如何在 LibreOffice Writer 中通过字体和字体样式标记/解析/搜索和替换文档？

Question

我需要通过首先将所有条目解析为其部分来更新用 Writer 编写的双语词典，例如

• 主词（字体 1，粗体）
• 外文等效音译（字体 1，斜体）
• 外文等价物（字体 2，粗体）
• 词性（字体 1，斜体）

文档的每一行都是主要单词，后面是上面列出的部分，每个部分用空格或标点符号分隔。

我需要自动执行逐行遍历整个文件的过程，并在每个部分之间放置一个分隔符，忽略空格和标点符号，这样我就可以将它大量导入到 Calc 文件中。换句话说，“每个部分”是具有相同字体和字体样式的字符序列（忽略空格和标点符号）。

我尝试了标准的 Search&Replace 功能和 AltSearch 扩展，但都无法完成任务。主要问题是我无法编写这样的搜索查询：

查找： 具有相同字体和 font_style 的连续字符，忽略空格和标点符号

替换： 上面找到的术语 + “分隔符”

任何建议我可以如何为此编写脚本，或者现有工具是否可以解决问题？

谢谢！

所需效果的伪代码：

var delimiter = "|"

Go to beginning of document

While not end of document do:
     var $currLine = get line from doc
     var $currChar = get next character which is not space or punctuation;
     var $font = currChar.font
     var $font_style - currChar.font_style (e.g. bold, italic, normal)

     While not end of line do:
         $currChar = next character which is not space or punctuation;

          if (currChar.font != $font || currChar.font_style != $font_style) { // font or style has changed
               print $delimiter

               $font = currChar.font
               $font_style - currChar.font_style (e.g. bold, italic, normal)
          }
     end While

end While

Answer 1

这里是您的伪代码所做的每件事的提示。

首先，逐行移动的最简单方法是使用TextViewCursor，尽管它很慢。注意 XLineCursor 部分。对于 while 循环，oVC.goDown() 将在到达文档末尾时返回 false。 （oVC 是 TextViewCursor 的变量）。

通过调用oVC.goRight(0, False) 取消选择，然后调用oVC.goRight(1, True) 来选择每个字符。然后通过oVC.getString()获得选中的值。要忽略空格和标点符号，可以使用 python 的 isalnum() 或 re 模块。

要确定字符的字体，请调用oVC.getPropertyValue(attr)。 attr 的值可以简单地为 CharAutoStyleName 和 CharStyleName 以检查格式的任何更改。

或获取特定属性的列表，例如'CharFontFamily', 'CharFontFamilyAsian', 'CharFontFamilyComplex', 'CharFontPitch', 'CharFontPitchAsian' 等。字符属性在https://wiki.openoffice.org/wiki/Documentation/DevGuide/Text/Formatting 中进行了描述。

在文本中插入分隔符：oVC.getText().insertString(oVC, "|", 0)。

This python code from github 展示了如何做大部分这些事情，尽管您需要通读它才能找到相关部分。

或者，不使用 LibreOffice API，解压缩 .odt 文件并使用脚本解析 content.xml。