作品展示
背景需求：
最近学育婴师，老师发了一套doc操作参考
但是老师是一节节授课的，每节都有视频，如果做在一个文档里，会很长很长，容易找不到。所以我需要里面的单独文字的docx。
以前的方法是
1、打开源文件，保留第1题，删除2-13题，再另存题目1，
2、再恢复原始状态，保留第2题，删除第1题、第3-13题，在另存题目2
……
之前试过把多个word合并成1个word，
【办公类-21-01】20240117育婴师操作题word合并1.0-CSDN博客文章浏览阅读912次，点赞15次，收藏10次。【办公类-21-01】20240117育婴师操作题word合并1.0https://blog.csdn.net/reasonsummer/article/details/135651389?csdn_share_tail=%7B%22type%22%3A%22blog%22%2C%22rType%22%3A%22article%22%2C%22rId%22%3A%22135651389%22%2C%22source%22%3A%22reasonsummer%22%7D
现在想试试能不能把1个word拆分成多个word
解题思路：
一、另存为docx文件
二、去除word里面的空行回车
from docx import Document
from openpyxl import load_workbook
import glob
import re
# 将模板 Excel 读取进程序：
path = r"C:\Users\jg2yXRZ\OneDrive\桌面\三级操作题"
file=path + r'\育婴师三级教育操作参考.docx' # 必须是docx
print(file)
# C:\Users\jg2yXRZ\OneDrive\桌面\三级操作题\育婴师三级教育操作参考2.docx
# 提取四个加粗标题所在的行数 # 参考https://www.shouxicto.com/article/96876.html
doc= Document(file)
# 遍历每个段落并判断是否为空白行,如果有空白行，就删除
for paragraph in doc.paragraphs:
if not paragraph.text.strip():
# 如果是空白行则将其从文档中移除
p = paragraph._element
p.getparent().remove(p)
doc.save(path + r'\育婴师三级教育操作参考（去掉回车）.docx')
三、读取word里面“加粗标题”所在的行
print('----2、读取word里面标题加粗段落的行数------')
filename=path + r'\育婴师三级教育操作参考（去掉回车）.docx'
# 打开Word文档
doc = Document(filename)
d=len(doc.paragraphs)
print(d)
# docx没有去掉空行前，一共有258段文字
# docx去掉空行后，一共有244段文字
h=[]
s=[]
# 遍历文档中的段落
for i, paragraph in enumerate(doc.paragraphs):
if paragraph.runs:
# 检查段落中的所有运行对象
for run in paragraph.runs:
if run.bold:
# 如果运行对象的文字为加粗，则打印段落索引
# print("段落", i, "的文字被加粗了")
h.append(i)
# 提取每一份的加粗标题
t=doc.paragraphs[i].text
# print(t)
s.append(t)
s=list(set(s))
s.sort()
# print(s)
# ['3.1.1 运用发育诊断法对2岁婴儿的以不同步子行走能力进行测试', '3.1.2 为2岁婴儿编制规范、适宜的个别化游戏活动计划（5分钟）', '3.1.3 设计生活中婴儿动手自理的活动（5分钟）', '3.1.4 六个月以内
# 的婴儿的精细动作的日常练习活动设计（5分钟）', '3.1.5 列举两种感统练习器械，并简述其活动功能（5分钟）', '3.2.1 请阐述对婴儿语言发展水平的观察与记录方法（5分钟）', '3.2.2 如何制定婴幼儿个别化
# 语言培养计划（5分钟）', '3.2.3 设计一份记录表格，观察一个6个月左右的宝宝寻找不同声源的感知练习过程（5分钟）', '3.2.4 设计一个观察表，观察并调整婴儿在视动协调方面的练习（5分钟）', '3.2.5 设
# 计一个观察表，记录孩子可能发生的行为（5分钟）', '3.3.1 如何对待任性的孩子（5分钟）', '3.3.2 如何对待爱哭的孩子（5
# print(len(s))
# 13
h=list(set(h))
h.sort()
j=h[1:]
j.append(d)
print(h)
print(len(h))
print(j)
print(len(j))
# # 去掉空行前
# # [1, 25, 48, 64, 77, 95, 117, 136, 158, 179, 200, 218, 238]
# # 13
# # [25, 48, 64, 77, 95, 117, 136, 158, 179, 200, 218, 238, 258]
# # 13
# # 去掉空行后
# # [1, 23, 45, 60, 72, 89, 110, 127, 148, 168, 188, 205, 224]
# # 13
# # [23, 45, 60, 72, 89, 110, 127, 148, 168, 188, 205, 224, 244]1、提取加粗标题的文字部分，做保存的文件名
2、提取两个黑体加粗标题之间的行数
四、word里面有表格，它也占了段落数，但段落里不显示
直接删除小于23并大于45的段落，生成第2套题目
print('----3、读取word里面标题加粗段落的行数+表格占的段落数------')
# 拆分docx（读取加粗的行，这些行还要加上表格的行数）
# 13张表格里面分别有几个表格
imagePath1=path+r'\育婴师13题拆分'
if not os.path.exists(imagePath1): # 判断存放图片的文件夹是否存在
os.makedirs(imagePath1) # 若图片文件夹不存在就创建
# for x in range(len(s)):
# 获取第一页的段落和表格
# a=int(j[x]+o[x])
for x in range(len(s)):
doc = Document(filename)
first_page_paragraphs = []
first_page_tables = []
for element in doc.element.body:
if element.tag.endswith(('}p', '}tbl')):
if element.getparent().index(element) >int(j[x]) :
if element.tag.endswith('p'):
first_page_paragraphs.append(element)
else:
first_page_tables.append(element)
if element.getparent().index(element)<int(h[x]):
if element.tag.endswith('p'):
first_page_paragraphs.append(element)
else:
first_page_tables.append(element)
# print(int(j[x]+o[x]))
# print(int(h[x]+o[x]))
# 删除第一页的段落和表格
for paragraph in first_page_paragraphs:
p = paragraph.getparent()
p.remove(paragraph)
for table in first_page_tables:
t = table.getparent()
t.remove(table)
# # 保存修改后的文档为新文件
# doc.save(path+r'01.docx')
doc.save(imagePath1+r'\{} {}.docx'.format('%02d'%x,s[x]))结果第2份前面多了2行，后面少了2行。
分析后认为，可能导致错行的原因是每份操作题内有“表格”。
第1份题目里面有2个表格，也占了2行，虽然表格被删除了，但是段落占位没有删除，导致第2份题目表格出现正好2行的的错位。
计算每份题中表格的数量 2、1、0、1、1、1、1、1、1、1、1、0、0、0
print('----3、读取word里面标题加粗段落的行数+表格占的段落数------')
# 拆分docx（读取加粗的行，这些行还要加上表格的行数）
# 13张表格里面分别有几个表格
bg=[2,1,0,1,1,1,1,1,1,1,0,0,0]
# 第一张表是原来的段落数，所以就是0
bg.insert(0,0)
# print(bg)
# 数字累加
o = []
sum = 0
for num in bg:
sum += num
o.append(sum)
print(o)
# [0, 2, 3, 3, 4, 5, 6, 7, 8, 9, 10, 10, 10, 10]
# # # 没有空行的内容 确保第2份开始的段落数+累计的表格数
结果正确
全部代码
# https://blog.csdn.net/lau_jw/article/details/114383781
'''
目的：育婴师word题目拆分成多个表格（根据标题(加粗）所在行数拆分）
作者：阿夏
时间：2024年2月27日
'''
from docx import Document
from openpyxl import load_workbook
import glob
import re,os
print('----1、word数据清洗------')
path = r"C:\Users\jg2yXRZ\OneDrive\桌面\三级操作题"
file=path + r'\育婴师三级教育操作参考.docx' # 必须是docx
print(file)
# C:\Users\jg2yXRZ\OneDrive\桌面\三级操作题\育婴师三级教育操作参考2.docx
# 提取四个加粗标题所在的行数 # 参考https://www.shouxicto.com/article/96876.html
doc= Document(file)
# 遍历每个段落并判断是否为空白行,如果有空白行，就删除
for paragraph in doc.paragraphs:
if not paragraph.text.strip():
# 如果是空白行则将其从文档中移除
p = paragraph._element
p.getparent().remove(p)
doc.save(path + r'\育婴师三级教育操作参考（去掉回车）.docx')
print('----2、读取word里面标题加粗段落的行数------')
filename=path + r'\育婴师三级教育操作参考（去掉回车）.docx'
# 打开Word文档
doc = Document(filename)
d=len(doc.paragraphs)
print(d)
# docx没有去掉空行前，一共有258段文字
# docx去掉空行后，一共有244段文字
h=[]
s=[]
# 遍历文档中的段落
for i, paragraph in enumerate(doc.paragraphs):
if paragraph.runs:
# 检查段落中的所有运行对象
for run in paragraph.runs:
if run.bold:
# 如果运行对象的文字为加粗，则打印段落索引
# print("段落", i, "的文字被加粗了")
h.append(i)
# 提取每一份的加粗标题
t=doc.paragraphs[i].text
# print(t)
s.append(t)
s=list(set(s))
s.sort()
# print(s)
# ['3.1.1 运用发育诊断法对2岁婴儿的以不同步子行走能力进行测试', '3.1.2 为2岁婴儿编制规范、适宜的个别化游戏活动计划（5分钟）', '3.1.3 设计生活中婴儿动手自理的活动（5分钟）', '3.1.4 六个月以内
# 的婴儿的精细动作的日常练习活动设计（5分钟）', '3.1.5 列举两种感统练习器械，并简述其活动功能（5分钟）', '3.2.1 请阐述对婴儿语言发展水平的观察与记录方法（5分钟）', '3.2.2 如何制定婴幼儿个别化
# 语言培养计划（5分钟）', '3.2.3 设计一份记录表格，观察一个6个月左右的宝宝寻找不同声源的感知练习过程（5分钟）', '3.2.4 设计一个观察表，观察并调整婴儿在视动协调方面的练习（5分钟）', '3.2.5 设
# 计一个观察表，记录孩子可能发生的行为（5分钟）', '3.3.1 如何对待任性的孩子（5分钟）', '3.3.2 如何对待爱哭的孩子（5
# print(len(s))
# 13
h=list(set(h))
h.sort()
j=h[1:]
j.append(d)
print(h)
print(len(h))
print(j)
print(len(j))
# # 去掉空行前
# # [1, 25, 48, 64, 77, 95, 117, 136, 158, 179, 200, 218, 238]
# # 13
# # [25, 48, 64, 77, 95, 117, 136, 158, 179, 200, 218, 238, 258]
# # 13
# # 去掉空行后
# # [1, 23, 45, 60, 72, 89, 110, 127, 148, 168, 188, 205, 224]
# # 13
# # [23, 45, 60, 72, 89, 110, 127, 148, 168, 188, 205, 224, 244]
print('----3、读取word里面标题加粗段落的行数+表格占的段落数------')
# 拆分docx（读取加粗的行，这些行还要加上表格的行数）
# 13张表格里面分别有几个表格
bg=[2,1,0,1,1,1,1,1,1,1,0,0,0]
# 第一张表是原来的段落数，所以就是0
bg.insert(0,0)
# print(bg)
# 数字累加
o = []
sum = 0
for num in bg:
sum += num
o.append(sum)
print(o)
# [0, 2, 3, 3, 4, 5, 6, 7, 8, 9, 10, 10, 10, 10]
# # # 没有空行的内容
print('----3、读取word里面标题加粗段落的行数+表格占的段落数------')
# 拆分docx（读取加粗的行，这些行还要加上表格的行数）
# 13张表格里面分别有几个表格
imagePath1=path+r'\育婴师13题拆分'
if not os.path.exists(imagePath1): # 判断存放图片的文件夹是否存在
os.makedirs(imagePath1) # 若图片文件夹不存在就创建
# for x in range(len(s)):
# 获取第一页的段落和表格
# a=int(j[x]+o[x])
for x in range(len(s)):
doc = Document(filename)
first_page_paragraphs = []
first_page_tables = []
for element in doc.element.body:
if element.tag.endswith(('}p', '}tbl')):
if element.getparent().index(element) >int(j[x]+o[x]) :
if element.tag.endswith('p'):
first_page_paragraphs.append(element)
else:
first_page_tables.append(element)
if element.getparent().index(element)<int(h[x]+o[x]):
if element.tag.endswith('p'):
first_page_paragraphs.append(element)
else:
first_page_tables.append(element)
# print(int(j[x]+o[x]))
# print(int(h[x]+o[x]))
# 删除第一页的段落和表格
for paragraph in first_page_paragraphs:
p = paragraph.getparent()
p.remove(paragraph)
for table in first_page_tables:
t = table.getparent()
t.remove(table)
# # 保存修改后的文档为新文件
# doc.save(path+r'01.docx')
doc.save(imagePath1+r'\{} {}.docx'.format('%02d'%x,s[x]))
后续思考：可以试试复制法——复制25-47的内容，清空文档，再黏贴25-47的内容，另存为。
