如何使用Python删除docx文档中的某些段落？

Question

我有一个很大的。docx文档。它有100多个段落。然而，有一些垃圾段落，我需要删除。例如，那些需要删除的段落有一个关键字“无”。我如何使用python删除那些有关键字“none”的段落。这是我目前所拥有的，但它只能删除空白段落。我如何修改它以达到我的目的？

import docx

f = docx.Document(r"test.docx")  
doc = docx.Document() 

for para in f.paragraphs:
    if para.text.count("\n") == len(para.text):  
        continue
    else:
        if not para.text[0].isalpha(): 
            continue

    doc.add_paragraph(para.text) 

doc.save(r"test2.docx") 

Answer 1

对于下面的代码，您应该能够在简单的情况下做到这一点：

def delete_paragraph(paragraph):
    p = paragraph._element
    p.getparent().remove(p)
    p._p = p._element = None

随后对“Deleted”段落对象的任何访问都将引发AttributeError，因此您应该注意不要将引用挂起，包括作为document.parages的存储值的成员。

它还不在库中的原因是因为一般情况要复杂得多，特别是需要检测和处理段落中可能存在的各种链接项；像图片、超链接或图表之类的东西。

但如果你确定这些都不存在，这几行应该可以完成工作。