Question

我希望我可以放弃历史，但请相信以下内容：

我有几个人可以立即访问MSWord 2007
我们正在尝试准备一个可以在人与人之间传递的通用Word文档在几个月的时间里，他们可以“添加”新的内容。

无论下面的答案如何 - 无论这个想法多么可怕，或者你有什么更好的想法，上面的内容都会保持不变......我已经走了这条路：P。

我的'想法'是设置（在Word中）一个XML Schema，以便我们可以'标记'特定内容区域的内容（例如项目编号，项目描述，项目主干，项目选项，项目答案等）< / LI>
我在不到6个小时的时间里自学了XML架构，显然我是一个可怕的老师：我有XML Schema文件，我已将其导入Word，我可以按照所有在线标记区域教程...
我正在希望保存到一个“XML”文件（来自Word）并让它看起来像：

<note>
<to>Tove</to>
<from>Jani</from>
<heading>Reminder</heading>
<body>Don't forget me this weekend!</body>
</note>

（只是将其从一个随机网站上拉下来，以证明我想从word文档中保存XML结构并填入数据）

希望我可以用Python解析，或者将XML文件发送给供应商，供应商然后可以将信息上传到日期库（不 - 我们不能只上传到数据库 - 它必须从Word文档到供应商的XML）。

问题：每当我从MSWord 2007将文件保存到XML时，它给了我所有这些可怕的可怕的XML垃圾 - 我已经检查过是否可以解析它，希望找到嵌入的XML标签，而且我发现它们，但所有办公室标签/废话都是如此混乱，解析它会浪费大量时间。

最后：我怎样才能自动填写XML标签（并且我自动了解有人必须“选择文本”，“分配XML”...更多地谈论'保存'到一个XML）来自我开发的模式（或者我可以创建一个没有模式的示例XML树？）并导出准备上传/解析的内容？

感谢您阅读我的短篇小说：P（希望我足够清楚！）

-J

Answer 1

如果数据与您提供的示例一样统一（即只有note元素，并且具有固定数量的字段）您可能能够在Word文档中拥有一个大表， to，from，heading，body等的列。然后，您可以使用this question中描述的方法之一在Python中解析它输出您的自定义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。

如果数据会更复杂，一个想法可能是使用Word样式将文本映射到正确的标记。您可以为每个标签创建自定义样式，这样用户可以快速轻松地单击（并且可能具有不同的颜色和/或字体）。然后在解析文档时，您可以根据应用的段落样式过滤所有内容。不过，我认为这条路线会很痛苦。

另一种选择可能是使用结构化语法编写文档，如YAML，这很容易手动读/写，您可以解析只是将文件保存为纯文本，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.

解析就像：

>>> import yaml
>>> from pprint import pprint
>>> with open("plaintext_export.txt", 'r') as f:
...     data = yaml.load(f)
...
>>> pprint(data)
{'Notes': [{'From': 'Somebody',
            '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. \n',
            'To': 'Somebody-else'},
           {'From': 'Another guy',
            'Heading': 'Huh?',
            'Message': 'Some other message content.\n',
            'To': 'Me'}]}

尝试将MSWord 2007文档转换为XML格式

1 个答案: