python处理word文档，如何提取文档中的题目与答案

亦凉 2024-03-24 15:46 28阅读 0赞

## python处理word文档，如何提取文档中的题目与答案 ##

### 需求分析 ###

文档格式和题目格式如下，就是需要写出一个对象，然后可以提取出这个文档里面，题目，答案，组号，然后封装成一个对象。  
![在这里插入图片描述][3ae5cea452b641e2bbd80420e78c6fff.png]

在古代中国社会中，私学是与官学相对而存在的，并且在中国教育上占有重要的地位。我国历史上_______私学规模最大、影响最深远。
    a、孔子
    b、孟子
    c、老子
    d、墨子
    答案：A 
    组号：1

### 具体代码 ###

class Question:
        def __init__(self, id, text, options, answer):
            self.id = id
            self.text = text
            self.options = options
            self.answer = answer
        
        def __str__(self):
            return f'{
          self.id}. {
          self.text} 选项: {
          self.options} 答案: {
          self.answer}'
    
    def extract_question_option(text):
        questions = []
        options = []
        answers = []
    
        lines = text.split('\n')
        
        # 预处理：去掉空行并将多行题目合并为一行
        for i in range(len(lines)):
            line = lines[i].strip()
            if not line:
                continue
            
            if i < len(lines) - 1 and lines[i + 1].startswith(('答案：', '组号：')):
                # 当前行不是题目的最后一行，将其添加到前一个题目中
                if len(questions) > 0:
                    questions[-1] += line
            else:
                # 当前行是题目的最后一行，将其添加为新的题目
                questions.append(line)
        
        # 处理选项和答案
        current_question_idx = -1
        for line in lines:
            line = line.strip()
            if not line:
                continue
            
            if line.startswith('组号：'):
                # 处理组号
                group_id = line.split('：')[1].strip()
                current_question_idx = 0
            elif line.startswith('答案：'):
                # 处理答案
                answer = line.split('：')[1].strip()
                if current_question_idx >= 0 and current_question_idx < len(questions):
                    # 创建新的 Question 对象并添加到列表中
                    question = Question(current_question_idx + 1, questions[current_question_idx], options[current_question_idx], answer)
                    questions[current_question_idx] = question
                current_question_idx += 1
            else:
                # 处理选项
                options_list = line.split('、')
                options = [opt.strip() for opt in options_list]
                if len(options) > 0:
                    # 处理非空选项
                    if current_question_idx >= 0 and current_question_idx < len(questions):
                        options.append(options)
                else:
                    # 处理空选项（没有填写选项）
                    if current_question_idx >= 0 and current_question_idx < len(questions):
                        options.append([])
        
        return questions
    
    if __name__ == '__main__':
        # 读取 Word 文档并解析题目
        file_path = "D:\\系统默认\\桌面\\测试题目-三组.docx"
        text = read_word_document(file_path)
        questions = extract_question_option(text)
        
        # 遍历题目并打印结果
        for question in questions:
            print(question)

运行结果：  
![在这里插入图片描述][49ae95ee6dab41fabecccf0964915d5c.png]

[3ae5cea452b641e2bbd80420e78c6fff.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/24/0b811958adbc4210a82ae8a3cd18f20d.png
[49ae95ee6dab41fabecccf0964915d5c.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/24/600c00b1ac274b9e8be4727032996a48.png