Копирование химических формул из .docx

#python #docx

Как с помощью библиотеки python-docx извлечь химическую формулу из текста ячейки
таблицы и перенести ее в другую таблицу?

Если копировать, как текст, то нет разницы между цифрой в верхнем, нижнем или обычном
регистре

Пример таблицы

    

Ответы

Ответ 1

В версии 0.8.6 python-docx этот функционал отсутствует, даже нужного пространства
имен нет и нигде нет упоминания нужных тегов, то есть нет ни единого упоминания возможности
работы с математическими элементами. Формулы из Word, например, в сыром виде выглядят
как-то так. Исходная формула: ex=sin(x)

docx:


    
        
            
                
                    
                        
                        
                    
                
            
            
                
                    
                    
                    
                    e
                
                
                
                
                    
                    
                x
                
            
            
                
                
                =isin(x)
            
        



То есть вы можете попробовать спуститься в самый адок и обращаться с docx, как с
набором XML документов. И вам необходимо найти в параграфе, в ячейке, где хотите нужный
тег и потом вставить также в новый параграф, ячейку, куда хотите. Вот такой вот примерчик
приведу. Он копирует формулу из одного документа, в пустой другой документ. В исходном
документе нет ничего, кроме этой формулы. Однако, я бы уверенно себя не чувствовал
на этом пути, даже если простой пример и работает. Также вместо тупого итерирования
вы можете отыскать нужный элемент с тегом  в пространстве {"m": xmlns:m="http://schemas.openxmlformats.org/officeDocument/2006/math"}.
Итак:

import docx


d = docx.Document("formula_test.docx")

new_doc = docx.Document()
new_para = new_doc.add_paragraph()
new_para_elem = new_para._element

para_with_formula = d.paragraphs[0]

# Это уже объект типа CT_P, родителем которого является lxml.Element
elem = para_with_formula._element
# Пространство имен `m` xmlns:m="http://schemas.openxmlformats.org/officeDocument/2006/math"
tmp_ns = {"m": "http://schemas.openxmlformats.org/officeDocument/2006/math"}

math_tag_with_namespace = "{" + tmp_ns["m"] + "}oMathPara"

for i in elem.getiterator():
    if i.tag == math_tag_with_namespace:
        print("OH! A formula!")
        new_para_elem.append(i)

new_doc.save("NEW_DOC.docx")


Как результат - в новом документе исходная формула.