python如何将word文档中的标注文本分离成试卷和答案？

通过 python-docx 这个强大的库，我们可以读取文档的结构、文本内容以及格式信息（如高亮、颜色等），从而实现将试卷和答案分离的目标。

这个任务的核心是确定一个可靠的规则来区分“题目”和“答案”。您提到的“标注文本”是关键。在Word中，常见的标注方法有：

高亮颜色 (Highlight Color)：给答案文本设置一个背景色（如黄色）。

字体颜色 (Font Color)：将答案文本的颜色设置为不同于题目的颜色（如红色）。

特定标记 (Keywords)：在答案前后使用固定的关键词，如 【答案】 或 (Answer)。

下面我将提供两种最常用、最可靠的方案（基于高亮和字体颜色），并附上完整的Python代码。

准备工作

首先，你需要安装 python-docx 库。

pip install python-docx

然后，准备一个Word文档作为示例，我们命名为 sample_paper.docx。在这个文档里，我们用高亮或者红色字体来标记答案。

方案一：根据“高亮颜色”分离

这是最推荐的方法，因为它通常不会与题目本身的格式（如加粗、斜体）冲突。

逻辑思路:

遍历文档中的每一个段落（Paragraph）。

在每个段落中，遍历每一个文本块（Run）。一个“Run”是具有相同格式的连续文本。

检查每个Run是否有高亮颜色。

创建两个新的Word文档：一个用于试卷，一个用于答案。

将非高亮的Run（题目部分）同时写入试卷和答案文档。

将高亮的Run（答案部分）只写入答案文档。对于试卷文档，可以在对应位置留空或添加下划线 (____)。

Python代码实现:

from docx import Document
from docx.enum.text import WD_COLOR_INDEX

def copy_run_format(source_run, target_run):
    """复制一个Run的格式（字体、大小、加粗、斜体等）"""
    target_run.bold = source_run.bold
    target_run.italic = source_run.italic
    target_run.underline = source_run.underline
    target_run.font.name = source_run.font.name
    target_run.font.size = source_run.font.size
    target_run.font.color.rgb = source_run.font.color.rgb

def separate_by_highlight(source_path, paper_path, key_path):
    """
    根据高亮颜色分离试卷和答案。
    - source_path: 原始Word文档路径
    - paper_path: 生成的试卷文件路径
    - key_path: 生成的答案文件路径
    """
    source_doc = Document(source_path)
    paper_doc = Document()
    key_doc = Document()

    print(f"开始处理文档: {source_path}")

    for para in source_doc.paragraphs:
        # 为两个新文档创建新段落
        paper_p = paper_doc.add_paragraph()
        key_p = key_doc.add_paragraph()

        # 复制原段落的格式（如对齐方式）
        paper_p.paragraph_format.alignment = para.paragraph_format.alignment
        key_p.paragraph_format.alignment = para.paragraph_format.alignment

        # 标记当前段落是否包含答案
        has_answer_in_para = any(
            run.font.high...

点击查看剩余70%