正在尝试将msword2007文档转换为XML表单

2024-04-20 13:21:15 发布

您现在位置：Python中文网/ 问答频道 /正文
2714 3

我希望我可以放弃历史，但请相信我的以下几点：

  1. 我有几个人可以立即访问msword2007
  2. 我们正在尝试准备一个通用的Word文档，它可以在人与人之间传递 在几个月的过程中，他们可以“添加”新的内容。在

不管下面的答案是什么-以上将保持不变，无论它是多么可怕的想法，或什么更好的想法，你可能有。。。我已经走过这条路了：P

  1. 我的“想法”是（在Word中）设置一个XML模式，这样我们就可以“标记”特定内容区域的内容（例如，项目编号、项目描述、项目干、项目选项、项目答案等）
  2. 我花了不到6个小时自学了xmlschema，显然我是个糟糕的老师：我有xmlschema文件，我已经把它导入Word中，我能够根据所有的在线教程标记区域。。。在
  3. 我希望保存到一个“XML”文件中（来自Word），它看起来像：
<note>
<to>Tove</to>
<from>Jani</from>
<heading>Reminder</heading>
<body>Don't forget me this weekend!</body>
</note>

（只是从一个随机站点上取出来，以证明我想从word文档中保存填充了数据的XML结构）

我希望我可以用Python进行解析，或者将XML文件发送给供应商，然后供应商可以将信息上传到数据库中（不-我们不能只上传到数据库-它必须从Word文档到XML到供应商）。在

问题是：每当我从msword2007将文件保存为XML时，它会给我带来所有这些可怕的XML垃圾——我检查了一下是否可以解析它，希望找到嵌入的XML标记，然后找到它们，但是它被所有的office标签/垃圾搞得乱七八糟，解析出来会浪费大量时间。在

最后：我如何让word自动填充XML标记（通过自动地理解有人必须“选择文本”、“分配XML”。。。从我开发的模式（或者我可以只创建一个没有模式的示例XML树吗？）并导出可供上传/解析的内容？在

感谢你阅读我的短篇小说：p（希望我足够清楚！）在

-J


Tags： 文件to项目答案文档标记区域内容
1条回答
网友
1楼 · 发布于 2024-04-20 13:21:15

如果数据与您提供的示例一样一致（例如，note元素，具有固定数量的字段），那么您可以在Word文档中使用一个大表，其中包含to、from、heading、body等列，您可以使用this question中描述的方法之一在Python中解析它并输出您的自定义XML。由于.docx文件已经是XML，这可能会也可能不会使您的工作更简单。在

如果数据要更复杂，一个想法可能是使用单词样式将文本映射到正确的标记。您可以为每个标记创建一个自定义样式，这样用户就可以方便快捷地单击（并且可能有不同的颜色和/或字体）。然后在分析文档时，可以根据应用的段落样式过滤所有内容。不过，我觉得这条路会很痛苦。在

另一个选择可能是用类似YAML这样的结构化语法来编写文档，这很容易手工读写，而且您只需将文件保存为明文就可以进行解析，例如

# plaintext_export.txt
         
Notes:
- From: Somebody
  To: Somebody-else
  Heading: This is a heading
  Message: > 
    Lorem ipsum dolor sit amet, consectetur adipisicing elit, sed do eiusmod
    tempor incididunt ut labore et dolore magna aliqua. 

- From: Another guy
  To: Me
  Heading: Huh?
  Message: >
    Some other message content.

解析过程非常简单：

^{pr2}$

相关问题 更多 >

    编程相关推荐