Tengo un diccionario en word, en docx, que he ordenado de modo que es texto continuo, con palabras en negrita a definir seguidas de la definición sin negrita.
A modo de ejemplo sería algo así: casa edificio que se usa para vivir edificio lugar construido con ladrillos ladrillo unidad material empleada para hacer edificios
Necesito crear, por así decirlo, una "Matriz" de n filas (= número de palabras a definir) por dos columnas, la primera con las palabras y la segunda con las definiciones.
La forma que estoy probando es corriendo el código, y haciendo que almacene un "diccionario" de modo que debería quedar así: {casa: edificio que se usa para vivir, edificio: construcción para ser habitada, ladrillo: masa de arcilla}
Sin embargo, no se por qué, las definiciones no salen completas. Haciendo este ejemplo de tres definiciones me queda así: {'casa': 'edificio que se usa para vivir', 'edificio': 's', 'ladrillo': ' unidad material empleada para hacer edificios'}
Como veis la definición de edificio sale mal. Si ahora cojo un diccionario completo, esto ocurre con muchísima frecuencia sin motivo aparente, y casi todas las definiciones salen mal...
No entiendo por qué ocurre. El código empleado es este.
import docx
doc = docx.Document('test.docx')
defs = {}
palabra = None
aux = []
for paragraph in doc.paragraphs:
for run in paragraph.runs:
if run.bold:
if palabra is not None:
defs[palabra] = "".join(aux)
palabra = run.text
aux.clear()
else:
aux.append(run.text)
if palabra is not None:
defs[palabra] = "".join(aux)
Si alguien entiende de DOCX, y de tratamiento de diccionarios y estos temas, me encantaría poder contactar con él, ya que no encuentro mucha información sobre esto.
A ver si entre todos podemos sacar ésto. Muchas gracias!!! (Es para un Trabajo de Fin de Máster).
Saludos.
"c<b></b>onstrucción"
. Entonces tendrás una palabra vacía negrita, que da por terminada esa definción según tu lógica. Puedes probar a poner unif 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)