python使用正则表达式查找Word文件中AABB形式的词语

最新推荐文章于 2023-07-03 22:56:02 发布

原创最新推荐文章于 2023-07-03 22:56:02 发布 · 6.4k 阅读

39 ·

CC 4.0 BY-SA版权

python 专栏收录该内容

14 篇文章

订阅专栏

使用Python的python-docx库读取Word文档，通过正则表达式匹配找出所有AABB形式的词语，如踏踏实实、密密麻麻等，并将它们收集到列表中。该代码片段展示了如何结合文档处理和文本分析进行特定模式的词汇检索。

安装Python扩展库python-docx，然后读取一个Word文章中所有段落的文本，查找并输出其中所有AABB形式的词语，例如踏踏实实、密密麻麻、简简单单、时时刻刻

import docx
import re

file = docx.Document("test.docx")
alist = []
for i in range(len(file.paragraphs)):
    pat1 = r'(([\u4e00-\u9fa5])\2([\u4e00-\u9fa5])\3)'
    if re.findall(pat1, file.paragraphs[i].text):
        alist.append(re.findall(pat1, file.paragraphs[i].text))

print(alist)