python处理word文档，如何提取文档中的题目与答案

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：