在处理 Word 文档并将其内容分句后保存为 Excel 格式时，可以使用 Python 中的 `python-docx` 库来读取 `.docx` 文件，并使用正则表达式对文本进行分句处理。最终，可以使用 `pandas` 库将处理后的数据保存为 Excel 文件。 ### 读取 Word 文档 首先，使用 `python-docx` 库读取 Word 文档中的段落内容。该库允许访问文档中的每个段落，并提取纯文本内容。 ```python from docx import Document def get_text(word_name): """提取 Word 文档中的文本""" doc = Document(word_name) texts = [] for para in doc.paragraphs: texts.append(para.text) return texts ``` ### 分句处理 为了将段落拆分为句子，可以使用正则表达式库 `re` 来根据常见的标点符号（如句号、问号、感叹号等）进行分句。此外，还可以添加对中文标点的支持。 ```python import re def is_chinese(char): """判断字符是否为中文""" return '\u4e00' <= char <= '\u9fff' def split_sentences(text, separators='\.|\?|\!|。|？|！'): """根据标点符号分句""" sentences = re.split(separators, text) return [s.strip() for s in sentences if s.strip()] ``` ### 保存为 Excel 文件 处理完所有文本并分句后，可以使用 `pandas` 库将结果保存为 Excel 文件。每一段的分句结果可以作为一个列表存储在 DataFrame 中。 ```python import pandas as pd def save_to_excel(sentences_list, output_file): """将分句结果保存为 Excel 文件""" df = pd.DataFrame(sentences_list, columns=["Sentence"]) df.to_excel(output_file, index=False) ``` ### 完整示例 将上述函数组合成一个完整的脚本，可以读取 Word 文档，进行分句处理，并将结果保存为 Excel 文件。 ```python from docx import Document import re import pandas as pd def get_text(word_name): doc = Document(word_name) texts = [] for para in doc.paragraphs: texts.append(para.text) return texts def split_sentences(text, separators='\.|\?|\!|。|？|！'): sentences = re.split(separators, text) return [s.strip() for s in sentences if s.strip()] def process_word_file(word_file): texts = get_text(word_file) all_sentences = [] for text in texts: sentences = split_sentences(text) all_sentences.extend(sentences) return all_sentences def save_to_excel(sentences, output_file): df = pd.DataFrame(sentences, columns=["Sentence"]) df.to_excel(output_file, index=False) if __name__ == "__main__": word_file = "example.docx" # 替换为实际的 Word 文件路径 output_excel = "output.xlsx" # 输出的 Excel 文件路径 sentences = process_word_file(word_file) save_to_excel(sentences, output_excel) print(f"分句结果已保存至 {output_excel}") ``` ### 注意事项 - 确保安装所需的库：`python-docx` 和 `pandas`。 - 如果文档中包含复杂的格式（如表格、图片等），需要额外处理这些内容。 - 可根据需求调整分句规则，例如保留特定的标点符号或忽略某些符号。