Извлечение выделенных слов из документа Word (.docx) в Python
Я работаю с кучей документов Word, в которых у меня есть текст (слова), которые выделены (с использованием цветовых кодов, например, желтый, синий, серый), теперь я хочу извлечь выделенные слова, связанные с каждым цветом. Я программирую на Python. Вот что я сделал в настоящее время:
открыл слово документ с[python-docx][1]
а затем добраться до<w:r>
тег, который содержит токены (слова) в документе. Я использовал следующий код:
#!/usr/bin/env python2.6
# -*- coding: ascii -*-
from docx import *
document = opendocx('test.docx')
words = document.xpath('//w:r', namespaces=document.nsmap)
for word in words:
print word
Теперь я застрял в той части, где я проверяю каждое слово, если оно имеет<w:highlight>
отметьте и извлеките из него цветной код, и если он совпадает с желтым печатным текстом внутри<w:t>
тег. Я буду очень признателен, если кто-то может указать мне на извлечение слова из проанализированного файла.