【Python】Word文档重复字检测程序

最新推荐文章于 2024-01-10 09:57:50 发布
最新推荐文章于 2024-01-10 09:57:50 发布
阅读量1.4k 收藏 14
点赞数 1
分类专栏： 学习成果展示 文章标签： python 编程语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_46014205/article/details/107366454
版权
本文介绍如何使用python-docx库来检测Word文档中的重复字。程序将连续重复的字保留一个，并允许用户自定义查找特定字或词的出现次数。通过正则表达式实现算法，适用于各种来源的word文档。
摘要由CSDN通过智能技术生成

重复字检测

  1. 要求：

1.使用外置库python-docx
2.将检测算法封装为函数并调用此函数实现功能
3.连续重复字删除到只剩一个
4.自定义指定某个字或词，输出出现次数
5.word文档来源不限，建议使用正则表达式实现算法

2.代码展示：

import docx
import re

class Solution:
    def my_remove(self):
        while 1:
            end_symbol = len(self)
            i = 0
            while i < len(self
最低0.47元/天 解锁文章
@系由
关注
  • 1
    点赞
  • 踩
  • 14
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
试题青少年python三级真题21-05word练习.doc
06-14
17. Python程序代码：检测四位数是否满足特定条件，需要用到整除运算符`//`和平方运算符`**`，所以正确答案是①x=k//100 ②（x+y）**2==k。 18. Python条件分支：根据输入的运算符，程序会进行相应的计算。输入'2'...
Python查找两个word中的相同内容
简简单单
09-10 2445
参考链接：https://blog.csdn.net/weixin_43145361/article/details/103798581 参考链接：https://zhidao.baidu.com/question/326711580304676805.html 参考链接：https://blog.csdn.net/weixin_43245453/article/details/108335331 参考链接：https://python-docx.readthedocs.io/en/latest/in
【python练习，6.14】(类的练习)
Mithrandir_74的博客
06-14 733
1、检查word文档的连续重复字。在word文档中，经常会由于键盘操作不小心而使得文档中出现连续的重复字，例如“用户的的资料”或“需要需要用户输入”之类的情况。使用扩展库python-docx对word文档(QT学习之路2.doc)进行检查并提示类似的重复汉字. import re from docx import Document doc=Document('QT学习之路2.docx') text=''.join((p.text for p in doc.paragraphs)) result=re.fi
如何用Python轻松检测文本相似性：原理与方法
涛哥聊Python
11-26 1242
哈希函数的关键特性是，对于给定的输入，它始终生成相同长度的哈希值，而且即使输入的微小变化也会导致生成的哈希值发生显著变化。TF-IDF是一种用于衡量词语在文档集合中的重要性的技术，它可以将文本转化为向量表示，并计算向量之间的相似性。总的来说，文本查重在多个领域中都具有广泛的应用，以确保内容的原创性、知识产权的保护、信息质量的提高和法律合规性的维护。MinHash算法是一种基于哈希的文本查重方法，它通过随机排列文档中的词项并使用哈希函数来比较文档的相似性。函数计算文档之间的余弦相似性。
检查word文档的连续重复字----python 例如“用户的的资料”或“需要需要用户输入”之类的情况。Word测试文档的内容由学生决定。
tcbdbd的博客
11-29 3958
首先，在路径下新建一个docx文档，这里建立了一个a.docx 文档内容由自己决定，但要有连续重复字 比如： 方法1： from docx import Document doc=Document('a.docx') contents=''.join((p.text for p in doc.paragraphs)) words=[] for index,ch in enumerate(cont...
转载（Python查复DOC）
littleline的专栏
06-23 372
论文查重：利用Python查找两个Word文件的相同内容_郝伟博士的博客-CSDN博客_python word查重文章目录前言基本思路实现代码测试结果小结前言我们在写论文的时候，为了避免论文重复，可以使用第三方的库进行查重。但是，有时候在写论文的时候，只是引用自己之前的资料，在查重前想对自己的论文两篇文章进行查重。网上找了一下，没找到合适的工具，于是就自己用Python写了一个。基本思路两篇论文查重的方法相对比较简单，即将文章拆分成小句，然后小句间进行两两对比。主要实现基本可以分为以下三步：读取...htt
Python基础训练100题(带答案).docx
05-07
这篇文档提供了100个Python基础训练题，旨在帮助学习者巩固Python3的基本语法和概念。这些实例覆盖了Python中的多种核心概念，包括数字操作、字符串处理、循环、条件判断、函数、类、模块以及一些进阶特性。 例如，...
个人小工具——查找中英文本中的大写缩写（Python）
06-30
标题 "个人小工具——查找中英文本中的大写缩写（Python）" 暗示了这个项目是一个使用Python编程语言开发的小型实用程序，它的主要功能是检测文本中的大写缩写，无论是中文还是英文环境。这可能是为了帮助用户在文档...
数字抢答器的设计（包括源程序）
05-07
9. **文档格式**：使用.docx格式的文档可能包含了Word处理的文本、表格和图片，方便了设计过程中的信息记录和交流。 数字抢答器的设计是一个结合理论与实践的项目，它锻炼了设计者在硬件选择、软件编程、系统集成及...
py检查txt文本里面单词重复数量并生成统计列表-week2
dieter_ding的博客
10-23 585
脚本是书上写的，我改动了一些，因为用来筛选统计的文本换了一个，所以意外的产生了一些其他报错研究了好一会才找出来原因，看书自学的痛苦。第一步编写函数文本预处理第二步编写函数统计单词 topn标识取频率最高的单词个数。
（叠词检查器）检查word文档的连续重复字，例如“用户的的资料”或“需要需要用户输入”之类的情况。Word测试文档的内容由学生决定。
weixin_45960266的博客
04-02 1043
检查word文档的连续重复字，例如“用户的的资料”或“需要需要用户输入”之类的情况。Word测试文档的内容由学生决定。 import re # 导入正则的一个模板 from docx import Document # 导入一个模板，来使用doc文件 doc =Document('testdoc.docx') text = ''.join( (p.text for p in doc.paragraphs) ) # 把内容放到text里面 result = re.findall(r'(([\u4e00-\u9
【Python代码】文件查重(01)-简易版
SUNxRUN的博客
01-07 889
~~~~~Python实现Windows文件查重功能（简易版）~~~~~ （01）通过对比文件名的方式来实现 Python实现查找同名文件或文件夹；
Linux文件系统--文件类型
Ucan_Uup的博客
09-08 981
Linux中一切都是文件，文件类型有多种，使用ls -l命令可以查看文件属性，所显示结果的第一列的第一个字符用来表示文件类型，如下： 1.普通文件 第一列第一个字符为“-”的文件为普通文件。 创建普通文件我们用：touch newfile 命令 删除普通文件我们用：rm newfile 命令 2.目录文件 第一列第一个字符为“d”（directory）的文件为目录文件。 创建目录文件我们用：mkdir directory 命令 删除空目录文件我们用：rmdir directory 命令 删除非空目录文件
python自动处理文档_Python自动化办公 — 对 word 文本处理实现自动化操作！
weixin_39620279的博客
11-21 337
之前介绍了一个Python包 openpyxl ，用于处理 Excel ；而对于 Word 文本时同样也有对应的 Python库 Python-docx，在日常办公中，如果需要处理多个 word 文本，且操作步骤都是重复单调的，我想这个库就可以帮到你在了解 Python-docx 常用函数之前，需要知道 在 Python-docx 各命令所对应 word 各部件，下图所示，Document 指的...
用python找千字文的重复字
weixin_40371649的博客
09-01 1059
千字文 引用百度百科 千字文，由南北朝时期梁朝散骑侍郎、给事中周兴嗣编纂、一千个汉字组成的韵文（在隋唐之前，不押韵、不对仗的文字，被称为“笔”，而非“文”）。 梁武帝（502—549年）命人从王羲之书法作品中选取1000个不重复汉字，命员外散骑侍郎周兴嗣编纂成文。全文为四字句，对仗工整，条理清晰，文采斐然。 《千字文》语句平白如话，易诵易记，并译有英文版、法文版、拉丁文版、意大利文版，是中国影响很大的儿童启蒙读物。 中国大陆实行简化字、归并异体字后，其简体中文版本剩下九百九十余个相异汉字。 用pytho
用python实现检查一个文件夹中所有word文件内容是否重复
最新发布
ducanwang的博客
01-10 1041
库来读取Word文件的内容。要检查一个文件夹中所有Word文件的内容是否重复，你可以使用Python的。库来读取Word文件的内容，并使用Python的集合数据结构来检查重复项。请注意，这个示例代码使用了。
python调用docx模块实现docx文件内容交叉查重
紫微斗数学习交流
09-02 255
【代码】python调用python-docx实现docx文档相互内容查重。
Python批量替换Word文档文字教程
"本文主要介绍了如何使用Python进行办公自动化，特别是针对Word文档的批量替换文字操作。通过Python的`python-docx`模块，可以高效地完成这个任务，从而节省大量手动操作的时间。" 在日常办公中，我们经常需要处理...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值