笨鸟编程-零基础入门Pyhton教程 › 首页 ›PS从入门到高手 › 查看内容

笨鸟先学早入门，一分付出一分收获

fffffffffffffff发

发布者: 三寸日光 |原作者: 琴有独钟

的文档,感兴趣的小伙伴可以了解一下

如何从10个左右的docx文档中抽取内容，生成新的文档，抽取内容包括源文档的文字内容、图片、表格、公式等，以及目标文档的样式排版、字体、格式，还有目标文档的语言风格、用词规范、文法习惯等等。这是一个相当复杂的需求，因为它不仅涉及内容提取，还涉及深度格式化和风格模仿。完全自动化的完美解决方案难度极高，特别是对于复杂的公式和微妙的语言风格。

一个务实的方案是采用自动化 + 人工辅助的混合策略。以下是详细的思路、技术路径、方法和步骤：file:///C:/Users/ADMINI~1/AppData/Local/Temp/ksohtml1844/wps4.jpg

核心思路

内容提取 (自动化为主): 使用编程方式从源 DOCX 文件中提取所需的核心内容（文字、图片、表格、公式的某种表示）。

样式应用 (自动化): 基于一个定义了目标样式、排版、字体等的模板文档，将提取的内容插入新文档，并应用模板中定义的样式。

语言风格调整 (自动化辅助 + 人工): 利用大型语言模型 (LLM) 或自然语言处理 (NLP) 技术对提取的文本进行初步的风格、用词和文法调整，然后进行人工审阅和精修。

复杂元素处理 (人工为主): 对于难以自动处理的元素（如复杂公式、特定排版），进行人工调整。

技术路径

主要工具: Python 编程语言

核心库:

python-docx: 用于读取和写入 DOCX 文件（文本、表格、图片、基本样式应用）。

(可选) 用于公式处理: 可能需要解析 DOCX 的底层 XML (OOXML)，或者寻找专门处理 MathML/OMML 的库（这部分比较困难），或者将公式提取为图片。

(可选) 用于图片处理: Pillow (PIL Fork) 可能需要用于处理图片。

(可选) 用于语言风格调整: 调用大型语言模型 API (如 OpenAI GPT 系列、Google Gemini、或其他类似服务)。

辅助工具:

Microsoft Word: 用于创建模板文档、最终审阅和调整。

XML 编辑器 (可选): 用于深入分析 DOCX 内部结构（特别是公式）。

实现步骤

阶段一：准备工作

1.创建目标模板文档 (template.docx):

在 Word 中创建一个新文档。

定义样式: 精心设置所有需要的样式（标题 1、标题 2、正文、引用、列表、表格样式等），包括字体、字号、颜色、段落间距、缩进等。确保样式名称清晰易懂（例如 TargetHeading1, TargetBodyText, TargetTableStyle）。

设置页面布局: 页边距、纸张大小、页眉页脚等。

保存: 将此文档保存为 template.docx。这将是所有新生成文档的基础。

2.明确提取规则:

关键: 你需要非常清楚地定义哪些内容需要从每个源文档中提取出来。规则可以基于：

特定标题: “提取 ‘第三章方法’ 下的所有内容”。

特定样式: “提取所有应用了 ‘源文档重点’ 样式的内容”。

关键词/标记: “提取包含 ‘[EXTRACT]’ 标记的段落”。

结构位置: “提取每个文档的第二个表格”。

人工指定: (最灵活但最慢) 手动在源文档中标记要提取的内容（例如使用 Word 的批注功能或特定高亮颜色），然后让脚本识别这些标记。

文档化规则: 将这些规则清晰地记录下来，以便编写脚本。

3.设置开发环境:file:///C:/Users/ADMINI~1/AppData/Local/Temp/ksohtml1844/wps5.jpg

安装 Python。

使用 pip 安装必要的库:

1 2	pip install python-docx Pillow requests # 如果需要调用 LLM API # 可能需要其他库，取决于具体实现

(可选) 获取 LLM API 密钥。

阶段二：内容提取 (Python 脚本)

100

101

102

103

104

105

106

107

import os

from docx import Document

from docx.shared import Inches

# 可能需要导入其他模块，如处理 XML 或调用 API

# --- 配置 ---

SOURCE_DOCS_DIR = 'files/transform/docx/source_documents'

TARGET_TEMPLATE = 'files/transform/docx/template.docx'

OUTPUT_DOC_PATH = 'files/transform/docx/generated_document.docx'

EXTRACTION_RULES = { # 示例规则，需要根据你的实际情况修改

'source_doc_1.docx': {'heading_start': 'Chapter 3', 'heading_end': 'Chapter 4'},

'source_doc_2.docx': {'style_name': 'SourceHighlight'},

# ... 其他文档的规则

}

# --- 辅助函数 (示例) ---

def should_extract_paragraph(paragraph, rules):

# 实现基于规则判断段落是否应该提取的逻辑

# 例如：检查段落文本是否匹配、样式是否匹配等

# 返回 True 或 False

# (这部分逻辑需要根据你的具体规则编写)

style_name = paragraph.style.name

text = paragraph.text.strip()

# 示例：基于样式的简单规则

if 'style_name' in rules and style_name == rules['style_name']:

return True

# 示例：基于起始标题的简单规则（需要状态管理）

# if 'heading_start' in rules ... (需要更复杂的逻辑来跟踪当前章节)

return False # 默认不提取

def extract_content_from_doc(source_path, rules):

"""从单个源文档提取内容"""

extracted_elements = []

try:

source_doc = Document(source_path)

# 标记是否处于提取区域（例如，在特定章节之间）

in_extraction_zone = False # 需要根据规则调整初始状态

for element in source_doc.element.body:

# 处理不同类型的元素：段落、表格等

if element.tag.endswith('p'): # 是段落

paragraph = docx.text.paragraph.Paragraph(element, source_doc)

# --- 核心提取逻辑 ---

# 这里需要根据你的 EXTRACTION_RULES 实现复杂的判断逻辑

# 例如，判断是否遇到起始标题，是否遇到结束标题，段落样式是否匹配等

# 这是一个简化的示例，实际可能需要更精细的状态管理

if 'heading_start' in rules and paragraph.style.name.startswith('Heading') and rules['heading_start'] in paragraph.text:

in_extraction_zone = True

continue # 不提取起始标题本身？看需求

if 'heading_end' in rules and paragraph.style.name.startswith('Heading') and rules['heading_end'] in paragraph.text:

in_extraction_zone = False

continue # 到达结束标题，停止提取

if in_extraction_zone or should_extract_paragraph(paragraph, rules):

# 提取文本内容

text_content = paragraph.text

# 尝试提取基本格式（粗体、斜体） - 比较复杂，可能需要遍历 runs

# TODO: 提取图片 (需要检查段落中的 inline_shapes 或 runs 中的 drawing)

# TODO: 提取公式 (极具挑战性，见下文讨论)

extracted_elements.append({'type': 'paragraph', 'text': text_content, 'style': paragraph.style.name}) # 可以携带源样式名供参考

elif element.tag.endswith('tbl'): # 是表格

table = docx.table.Table(element, source_doc)

# --- 提取表格 ---

# TODO: 实现表格提取逻辑，可能需要检查是否在提取区域内

# if in_extraction_zone or table_should_be_extracted(table, rules):

table_data = []

for row in table.rows:

row_data = [cell.text for cell in row.cells]

table_data.append(row_data)

extracted_elements.append({'type': 'table', 'data': table_data})

# --- 处理图片 ---

# 查找段落内的图片 (inline_shapes)

# paragraph = docx.text.paragraph.Paragraph(element, source_doc) # Re-get paragraph object if needed

# for run in paragraph.runs:

# if run.element.xpath('.//wp:inline | .//wp:anchor'): # Check for drawings

# # This part is complex: need to get image data (rId) and relate it back

# # to the actual image part in the docx package.

# # python-docx can extract images, but associating them perfectly

# # with their original position during extraction requires care.

# # Placeholder:

# # image_data = get_image_data(run, source_doc)

# # if image_data:

# # extracted_elements.append({'type': 'image', 'data': image_data, 'filename': f'img_{len(extracted_elements)}.png'})

pass # Placeholder for image extraction logic

except Exception as e:

print(f"Error processing {source_path}: {e}")

return extracted_elements

# --- 主流程 ---

all_extracted_content = []

source_files = [f for f in os.listdir(SOURCE_DOCS_DIR) if f.endswith('.docx')]

for filename in source_files:

source_path = os.path.join(SOURCE_DOCS_DIR, filename)

rules = EXTRACTION_RULES.get(filename, {}) # 获取该文件的提取规则

if rules: # 只处理定义了规则的文件

print(f"Extracting from: {filename}")

content = extract_content_from_doc(source_path, rules)

all_extracted_content.extend(content)

else:

print(f"Skipping {filename}, no rules defined.")

print(f"Total elements extracted: {len(all_extracted_content)}")

阶段三：语言风格调整 (可选, Python + LLM API)

# --- ---

import requests

import json

# --- 配置 LLM ---

LLM_API_URL = "YOUR_LLM_API_ENDPOINT" # e.g., OpenAI API URL

LLM_API_KEY = "YOUR_LLM_API_KEY"

LLM_PROMPT_TEMPLATE = """

请根据以下要求，改写这段文字：

目标语言风格：[在此处详细描述，例如：正式、客观、简洁

用词规范：[在此处列出规范，例如：使用“用户”而非“客户”，避免使用缩写

文法习惯：[在此处描述，例如：多使用主动语态，句子长度适中

目标受众：[描述目标读者

原文：

"{text}"

改写后的文字：

"""

def adapt_text_style(text):

"""使用 LLM API 调整文本风格"""

if not text.strip():

return text # 跳过空文本

prompt = LLM_PROMPT_TEMPLATE.format(text=text)

headers = {

"Authorization": f"Bearer {LLM_API_KEY}",

"Content-Type": "application/json",

}

data = {

"model": "gpt-4", # 或你使用的模型

"prompt": prompt,

"max_tokens": 1024, # 根据需要调整

"temperature": 0.5, # 控制创造性，较低值更保守

}

try:

response = requests.post(LLM_API_URL, headers=headers, json=data)

response.raise_for_status() # 检查 HTTP 错误

result = response.json()

# 解析 LLM 返回的结果，注意不同 API 的格式可能不同

rewritten_text = result['choices'][0]['text'].strip() # 示例路径

print(f"Original: {text[:50]}... | Rewritten: {rewritten_text[:50]}...")

return rewritten_text

except requests.exceptions.RequestException as e:

print(f"Error calling LLM API: {e}")

return text # 出错时返回原文

except (KeyError, IndexError) as e:

print(f"Error parsing LLM response: {e} - Response: {response.text}")

return text # 出错时返回原文

# --- 应用风格调整 ---

adjusted_content = []

for element in all_extracted_content:

if element['type'] == 'paragraph':

# --- 调用 LLM API ---

# adjusted_text = adapt_text_style(element['text'])

# element['text'] = adjusted_text # 更新文本

# --- 或者先不调用，等生成后再处理 ---

adjusted_content.append(element)

elif element['type'] == 'table':

# 表格内容也可以逐个单元格处理，但可能效果不佳或成本高

# 更好的方法可能是将表格内容整理成文本描述给 LLM，或者人工处理

adjusted_content.append(element)

elif element['type'] == 'image':

# 图片无法直接处理

adjusted_content.append(element)

# 处理其他类型...

# --- (接续到下一阶段：文档生成) ---

阶段四：生成目标文档 (Python 脚本)

# --- (续上) ---

# --- 创建目标文档 (基于模板) ---

try:

target_doc = Document(TARGET_TEMPLATE)

except Exception as e:

print(f"Error loading template {TARGET_TEMPLATE}: {e}")

# 可以考虑创建一个空文档作为后备

# target_doc = Document()

exit()

# --- 填充内容并应用样式 ---

for element in adjusted_content: # 使用调整后的内容，或者原始提取内容

if element['type'] == 'paragraph':

text = element['text']

# --- 核心：应用模板中定义的样式 ---

# 简单方式：所有段落应用默认正文样式

# target_doc.add_paragraph(text, style='TargetBodyText') # 假设模板中有此样式

# 复杂方式：根据源文档信息或内容判断应用哪个目标样式

# 示例：如果源样式是 Heading 1，应用 TargetHeading1

source_style = element.get('style', '') # 获取源样式名（如果提取时保存了）

if source_style.startswith('Heading 1'):

target_doc.add_paragraph(text, style='TargetHeading1') # 假设模板中有此样式

elif source_style.startswith('Heading 2'):

target_doc.add_paragraph(text, style='TargetHeading2')

# ... 其他样式映射规则

else:

target_doc.add_paragraph(text, style='TargetBodyText') # 默认样式

elif element['type'] == 'table':

table_data = element['data']

if table_data:

# 创建表格

num_rows = len(table_data)

num_cols = len(table_data[0]) if num_rows > 0 else 0

if num_rows > 0 and num_cols > 0:

# --- 应用模板中定义的表格样式 ---

table = target_doc.add_table(rows=num_rows, cols=num_cols, style='TargetTableStyle') # 假设模板中有此表格样式

# 填充数据

for i, row_data in enumerate(table_data):

for j, cell_text in enumerate(row_data):

# 防止列数不匹配错误

if j < len(table.rows.cells):

table.rows.cells[j].text = cell_text

# 可以添加更多表格格式化代码，如设置列宽等

elif element['type'] == 'image':

# --- 添加图片 ---

# image_data = element['data']

# image_filename = element['filename']

# # 需要将 image_data 保存为临时文件或使用 BytesIO

# from io import BytesIO

# image_stream = BytesIO(image_data)

# try:

# target_doc.add_picture(image_stream, width=Inches(4.0)) # 调整宽度

# except Exception as e:

# print(f"Error adding image {image_filename}: {e}")

pass # Placeholder for image insertion

# --- 处理公式 (挑战) ---

# 如果公式被提取为图片:

# elif element['type'] == 'formula_image':

# # 添加图片...

# 如果公式被提取为 MathML/OMML (XML 字符串):

# elif element['type'] == 'formula_mathml':

# # 使用 python-docx 直接插入 MathML 很困难

# # 可能需要直接操作 OOXML (非常复杂)

# # 或者，在段落中插入一个占位符 "[FORMULA]"，然后手动替换

# target_doc.add_paragraph(f"[FORMULA: {element['id']}]", style='TargetBodyText')

# 如果公式被提取为纯文本近似值:

# elif element['type'] == 'formula_text':

# target_doc.add_paragraph(element['text'], style='FormulaStyle') # 可能需要特殊样式

# --- 保存最终文档 ---

try:

target_doc.save(OUTPUT_DOC_PATH)

print(f"Document successfully generated: {OUTPUT_DOC_PATH}")

except Exception as e:

print(f"Error saving document: {e}")

file:///C:/Users/ADMINI~1/AppData/Local/Temp/ksohtml1844/wps6.jpg阶段五：人工审阅与精修

1.打开生成的文档 (generated_document.docx)。

2.检查整体结构和内容完整性: 是否所有需要的内容都被提取并放置在正确的位置？

3.检查样式和格式:

所有文本是否应用了正确的模板样式？

字体、字号、间距是否符合要求？

表格样式是否正确？列宽、对齐是否需要调整？

图片位置和大小是否合适？

4.检查语言风格和规范:

通读文本，检查语气、用词是否符合目标要求。

修正 LLM 可能产生的错误或不自然的表达。

确保术语统一。

进行拼写和语法检查。

5.处理复杂元素:

公式: 这是最可能需要手动操作的地方。如果脚本插入了占位符，你需要手动将源文档中的公式复制粘贴过来，或者使用 Word 的公式编辑器重新创建它们。确保公式的编号和引用正确。

特殊排版: 检查是否有需要特殊布局（如图文混排、分栏等）的地方，并手动调整。

6.最终定稿: 保存修改后的文档。

关于公式处理的挑战与策略

难点: DOCX 中的公式通常使用 OMML (Office Math Markup Language) 存储，嵌套在复杂的 XML 结构中。python-docx 对此支持有限。

策略:

提取为图片 (最可行): 尝试在提取阶段将公式渲染或截图为图片。这会丢失编辑能力，但能保证视觉效果。实现起来也有难度，可能需要借助其他工具或库（如 docx2python 库可能提供一些帮助，或者需要分析 OOXML 找到图片表示）。

提取为 MathML/OMML (复杂): 解析 OOXML，提取公式的 XML 片段。但 python-docx 无法直接将这些 XML 重新插入并渲染为公式。需要非常底层的 OOXML 操作。

提取为近似文本 (简单但损失精度): python-docx 读取包含公式的段落 text 属性时，有时会得到一个纯文本的近似表示。这对于简单公式可能够用，但复杂公式会完全失真。

手动处理 (最可靠

上一篇：Mysql中 int(10)和int(11)的区别

		自动登录	找回密码
密码			立即注册

fffffffffffffff发

最新评论