Línea de tiempo para ¿Como convertir un docx de un diccionario en word en un vector de palabras a definir y otro con las definiciones de esas palabras?
Licencia actual CC BY-SA 4.0
11 eventos
cuándo alternar formato | qué | por | licencia | comentario | |
---|---|---|---|---|---|
el 14 jul. 2020 a las 19:43 | votar | aceptar | Miguel | ||
el 14 jul. 2020 a las 18:19 | respuesta | añadido | abulafia | línea de tiempo puntuación: 2 | |
el 14 jul. 2020 a las 17:18 | comentario | añadido | abulafia | Mejor seguimos en un chat: chat.stackexchange.com/rooms/110619/docx | |
el 14 jul. 2020 a las 17:16 | comentario | añadido | Miguel | Me ocurre el "fallo" con la s. En este ejemplo es el único fallo. Pero con más definiciones, los fallos de este tipo se multiplican. No se a que te refieres con cambiar el formato del docx. Ahora mismo lo que tengo es un diccionario de 500 páginas en docx, pero lo puedo editar y transformar como me haga falta. Por eso no hay problema. Una vez salga el ejemplo pequeño hacerlo para 500 páginas no debería ser un inconveniente. Lo que no estoy muy puesto en como funciona python con DOCX, nunca lo he usado. ¿Se te ocurre por donde tirar? | |
el 14 jul. 2020 a las 17:11 | comentario | añadido | abulafia |
Pues a mi tu ejemplo me funciona, salvo por que en las definiciones aparecen espacios que podrían ser eliminados con strip() . Pero no me ocurre lo de la "s" suelta...Eso sí, he detectado que dentro del word la palabra "ladrillos" aparece misteriosamente separada en dos objetos run , uno con "ladrillo" y otro con "s", pero ya que todo se concatena al final sale bien... ¿Seguro que a ti este ejemplo te falla? Por otro lado ¿tienes posibilidad de pedir que el docx tenga otro formato? Lo más sencillo sería usar un separador entre palabra y definición y exportar el docx como texto plano
|
|
el 14 jul. 2020 a las 17:02 | comentario | añadido | Miguel | prueba ahora! perdona | |
el 14 jul. 2020 a las 17:00 | comentario | añadido | Miguel | Aquí lo tienes! drive.google.com/file/d/1LErDc5pChygZ_sooPq9c5jwlvC4vczpc/… La idea de todo esto, es terminar generando una matriz con las palabras a definir y las definiciones al lado. Quizás la forma que estoy intentando no sea la óptima. | |
el 14 jul. 2020 a las 16:58 | comentario | añadido | abulafia | ¿Puedes compartir el docx con que has probado para que yo también pueda hacer pruebas y diagnosticar el problema? | |
el 14 jul. 2020 a las 16:57 | comentario | añadido | Miguel | Justo eso hice. Cree un docx con esas 3 definiciones, escritas a mano, y sigue dando ese error... No se si se te ocurre otra forma de hacerlo. Seguro que hay una manera muy sencilla. Gracias!! | |
el 14 jul. 2020 a las 16:52 | comentario | añadido | abulafia |
Se me ocurre que tengas marcas de negrita ocultas entre el texto. Por ejemplo tienes "edificio" en negrita, y luego por ejemplo la palabra "construcción", pero tras la primera "c" hay una marca de negrita, algo como si en HTML fuese "c<b></b>onstrucción" . Entonces tendrás una palabra vacía negrita, que da por terminada esa definción según tu lógica. Puedes probar a poner un if run.text para verificar que efectivamente hay algo en negrita. También puede ayudar que proporciones un docx de ejemplo para hacer pruebas (puedes compartir un enlace a un drive en la nube, por ejemplo)
|
|
el 14 jul. 2020 a las 16:31 | historial | formulada | Miguel | CC BY-SA 4.0 |