如何使用 python-docx 或任何其他类似包从 Word 文档中保存字体样式（粗体和斜体）

Question

我正在尝试筛选 Word 文档并完成一些快速的语法检查。我目前有使用 python-docx 将文档拆分为单词的代码，然后我根据特定标准对单词/句子进行语法检查。然后，我使用 .add_run 函数将正确的语法返回到文档中。 我遇到的问题是当我将正确的语法传递回文档时，它不会保存字体样式（粗体和斜体），所以当我粘贴单词时，它只是显示为没有粗体和斜体的文本当我想保留它时。 我的问题是，在 python 中是否有任何方法（使用 python-docx 或任何其他包）来保存每个单词的字体详细信息（主要是粗体和斜体），以便我可以使用代码相应地对单词进行粗体或斜体？

我已经尝试对段落和运行使用 .style 函数，但出现的问题是每个段落的样式不清楚是粗体和斜体，我不想粘贴整个段落，只是用错了词。 我也尝试查看每次运行的 .style ，但它不可靠，因为运行经常将一个单词拆分为 2 而它不应该。 （即使没有任何风格变化，“Mario”也可能变成 2 个不同的运行“M”和“ario”）。

我也尝试查看其他软件包，但没有发现任何有用的东西。

如果输入是“Stack Overflow 是一个面向专业和爱好者程序员的问答网站。”（其中“问题”和“答案”为粗斜体）， 预期的输出是与单词“question”和“answer”相同的句子，粗体和斜体

实际输出是同一个句子，但没有任何粗体或斜体。

Answer 1

在一般情况下这是一个具有挑战性的问题：

1. 字符格式可以应用于各种级别（直接、样式、文档默认等），因此确定特定运行的有效字符格式不是一个单步过程。
2. 一个给定的单词可以部分出现在不止一次运行中，并且不能保证单词的所有部分都是完整的运行，例如a sequence of five r|uns could ab|so|lut|ely be split like this"

所以你的工作已经完成了。一般情况下的解决方案可能对每个单词都有一个Word 对象，每个单词都有一个(run, offset, length) 元组序列，通过适当的处理，可以为您提供所需的信息。您可能会假设单词的第一个字符的格式可以安全地应用于整个单词。在这种情况下，您可以只拥有一系列 (word, run) 对，其中 run 项目是 word 的第一个字符出现的项目。

首先，我会查看 run.bold 和 run.italic 以获得最常见的格式，然后从那里开始。