Извлекайте позиции жирных слов с помощью Python
Я хотел бы извлечь позицию жирных слов, обнаруженных в файле .docx.
Для этого я использовал библиотеку docx, и она успешно определяет слова, выделенные жирным шрифтом. Однако извлекать только слово не очень полезно, так как вы можете найти то же слово, но в другом формате.
Например:
Предположим, что мой file.docx содержит: "Мой Кот не нормальный кот"
from docx import *
document = Document('/path/to/file.docx')
def bold(document):
for para in document.paragraphs:
Listbolds = []
for run in para.runs:
if run.bold:
print run.text
word = run.text
Listbolds.append(word)
return Listbolds
Эта функция выдала бы мне слово «кошка» в качестве вывода. Однако, если я попытаюсь отфильтровать текст по тем словам, которые не выделены жирным шрифтом, и я использую это, я бы исключил также вторую «кошку», которая не выделена жирным шрифтом.
Есть идеи, как получить только позицию этого слова? Например, чтобы получить 2 в качестве позиции слова.
Спасибо вам всем!
Разве вы не можете перечислить (параграфы) и отслеживать индекс?
Цель состоит в том, чтобы получить индекс тех слов, которые определены как «полужирный» внутри текста, чтобы создать маску, например: [«My», "Кот", «is», «not», «a», «normal» , "кошка"] как [0,1,2,3,4,5,6] И иметь возможность говорить в соответствии с форматом текста [Ложь, Истина, Ложь, Ложь, Ложь, Ложь, Ложь]
Ответы 1
Я не получаю библиотеку docx, но, просто взглянув на код, может быть, изменить его, чтобы он возвращал логический список?
document = Document('/path/to/file.docx')
def get_bold_list(para):
bold_list = []
for run in para.runs:
bold_list.append(run.bold)
return bold_list
for para in document.paragraphs:
bold_list = get_bold_list(para)
#do something with bold_list
Что вы имеете в виду под словами «если я попытаюсь отфильтровать текст по словам, которые не выделены жирным шрифтом»?