Python自动化处理Word题库：去除冗余与修正格式实战

Theo

发布时间：2026-10-14 | 4人浏览过

原创

本文介绍如何利用Python的python-docx库自动化处理杂乱的Word题库文档。通过遍历段落、识别特定字符（如序号后的点号、选项符号）及过滤无效行，实现自动删除多余空白、修正错误题号、合并选项行及移除“窗体顶端/底端”等冗余内容，最终生成格式规范的标准化文档。

Python自动化处理Word题库：去除冗余与修正格式实战

介绍

舍友从网上下载的Word题库文档排版混乱，手动调整耗时且效率低下。考虑到Python作为自动化脚本工具的强大能力，决定尝试使用Python对Word文档进行批量处理。

需求分析与处理逻辑

分析需求

对文档内容进行梳理，核心目标是保留题目正文与选项内容，并将题号重新从1开始连续编号。

代码实现与执行流程

编写代码

首先通过pip安装python-docx模块以支持Word文档操作。

读取Word文档内容。注意：若原始文件为.doc后缀，需先另存为.docx格式方可处理。


from docx import Document

# 打开文件
srcdocx = Document(‘src.docx‘)
# 遍历所有段落
for p in srcdocx.paragraphs:
  print(p.text)

输出效果：

分析所需要删除的内容：

需求1：

1 42．对餐后血糖显著升高的2型糖尿病者，可选用下列哪种药物（5.0分）

删除多余数字行

需求2：

42．对餐后血糖显著升高的2型糖尿病者，可选用下列哪种药物（5.0分）修改正确的题目序号

需求3：

删除“窗体底端”“窗体顶端”

需求4：

A、阿卡波糖选项合成一行

需求5：

删除多余空白行

编写代码

核心逻辑是从源文档中逐段读取文字，执行相应的处理操作，最后将结果保存至目标文档。

对于需求1、3和5，实现方式较为直接：只需判断读取到的内容是否属于需要删除的类别（如纯数字行、特定文本或空行），若符合则不写入目标文档，从而间接实现删除功能。

针对需求2，通过观察发现正确题号后通常跟随“. ”（点号加空格）。因此，程序定位该分隔符的位置，截断前部的错误序号，插入正确的连续序号，拼接后保存至新文档，以此完成“修正题目序号”。

需求4的处理逻辑类似需求2，只需查找“、”符号的位置，将当前行与下一行内容合并，即可实现“合并两行”的效果。


from docx import Document

# 判断字符串是否为数字
def is_number(s):
  try:
    float(s)
    return True
  except ValueError:
    pass
  try:
    import unicodedata
    unicodedata.numeric(s)
    return True
  except (TypeError, ValueError):
    pass
  return False

# 修正错误题目序号
# src,源字符串 nPos,序号结束下标 cnt,正确序号
def changeNum(src,nPos,cnt):
  s = src[:0] + src[nPos:]
  str_list = list(s)
  str_list.insert(0, str(cnt))
  dest = ‘‘.join(str_list)
  return dest
  
# 源文档
srcdocx = Document(‘src.docx‘)
# 目标文档
outDocx = Document()
idx = 0 # 遍历下标
length = len(srcdocx.paragraphs) # 总段落数
cnt = 1 # 遍历序号
sum = 1 # 修改总次数

while(1):
  if idx >= length:
    break
  src = srcdocx.paragraphs[idx].text
  # 实现需求1,3,5
  if((src == "窗体底端") or (src =="窗体顶端") or (src == "") or (is_number(src))) :
    print(f"正在修改第{sum}处错误 {src}")
    sum = sum + 1 # 计算修改的次数
    idx = idx + 1
    continue
  # 实现需求2
  nPos1 = src.find("．")
  if nPos1 != -1 :
    # 查找到有序号的行
    dest = changeNum(src,nPos1,cnt)
    print(f"正在修改第{sum}处错误 {src}")
    sum = sum + 1 # 计算修改的次数
    cnt = cnt + 1 # 序号后移
    outDocx.add_paragraph(dest) # 写入数据到新word
  # 实现需求4
  nPos2 = src.find(‘、‘)
  if nPos2 != -1 :
    src2 = srcdocx.paragraphs[idx+1].text
    outDocx.add_paragraph(src+src2)
    idx = idx + 1
    print(f"正在修改第{sum}处错误 {src},{src2}")
    sum = sum + 1 # 计算修改的次数
  idx = idx + 1
  
outDocx.save(‘out.docx‘)
print(f"修改完成！共计{sum}个错误！")

运行效果：