Уважаемые форумчане!
Подскажите как решить простую задачку.
Есть множество файлов doc, docx на английском и русском языках.
Необходимо собрать их в xls на один лист в один столбец для последующей обработки
Причем процесс сбора необходимо сделать такое же как при копировании вручную (к примеру выделенный абзац копируется целиком в одну ячейку).

Пока получилось написать только:



Подскажите, если несложно.

Заранее благодарна!

Правда не очень понятно что делать с таблицами(

by-pass,

Хотелось бы иметь возможность пользоваться хотя бы фильтрами по содержимому документов (структура doc/x файлов не похожа), так что обрабатывать в word - вариант не самый лучший.

Valerievna,

up

Shocker.Pro,

Приношу извинения за некорректно сформулированные условия.

Пример документа и предполагаемого результата приведен в приложении:
тест.doc - исходный данные
тест.xls - результат

Для корректной работы гиперссылок нужно расместить папку тест по пути C:\тест

up

Shocker.Pro,

Цель заключается в конвертации документов в формате doc в документ в формате xls, пригодный для дальнейшей обработки.

Суть задачи - выделение "осмысленных предложений" ("осмысленное" предложение условно считается абзацем) из документов, присвоение им тегов и дальнейшая работа с этими "осмысленными" предложениями желательно с помощью фильтров.
Проблем с простановкой тегов нет, проблема в корректном импорте.

Как Вы правильно заметили предыдущий документ представляет собой кашу, а предложенная обработка добавляет еще большую кашу.
Для того, чтобы попытаться получить более структурированные данные, думаю, наиболее подходящим будет следующий алгоритм:

1) Поиск заголовков (стили/заголовки),
2) Поиск таблиц и рисунков формирование гиперссылок для них
3) Экспорт в xls для дальнейшей обработки в следующем виде:

Столбец 1Столбец 2Заголовок 1 Заголовок 1Осмысленное предложение 1 ТекстОсмысленное предложение 2 Текст... ...Осмысленное предложение N Текст... ...Заголовок M Заголовок 1Гиперссылка на таблицу 1 Гиперссылка... ...Гиперссылка на рисунок 1 Гиперссылка


P.S. присланный пример является самым "помойным". Часть документов - по сути распознаны из pdf. Подобные документы будут правиться вручную.
К счастью, в большинстве своём документы выглядят как документ в приложении к этому письму.

Shocker.Proпервое, что бросилось в глаза - "При м ечан ия ". Так что считать его образцовым вряд ли стоит )))
Подобных оказий не избежать. Править придётся подобные случаи вручную.

Shocker.Proвот в этом-то и вопрос - что такое "дальнейшая обработка" - какова конечная цель обработки? Возможно, ее можно достичь иным путем.
Как уже было написано цель - выделение "осмысленных предложений" (абзацев). Последующее создание хранилища из объединенных документов вида:
Документ 1 осмысленное предложение 1 тегДокумент 1 осмысленное предложение 2 тег... ... тег
и.т.д.
Предложенный алгоритм показался мне оптимальным. А какие могут быть другие пути решения подобной задачи?

И последующее использование подобного хранилища для поиска с помощью фильтров необходимой информации по "осмысленным предложениям"


Shocker.Pro Да, можно написать некую специфическую программу, которая будет это делать - это неблагодарная и муторная работа, вопросов там возникнет больше, чем вы подняли. Вы ее, судя по всему, не напишете, полностью за вас бесплатно - вряд ли кто-то тоже. Поэтому придется выбирать - либо заказать ее, либо упорно и последовательно разбираться и задавать вопросы, читать книги и т.п.
Вариант с заказом - не самый удачный, т.к. разобраться с работой программы для её последующего изменения всё равно нужно.
Можно попробовать вариант с небольшими вознаграждениями за помощь с написанием программы.

Shocker.Pro как я уже говорил выше, для указанной цели достаточно объединить все документы в один файл Ворда и искать в нем, тем более, что там, к примеру, поиск гораздо мощнее.

В моём понимании основным недостатком поиска в Word для данной задачи это отсутствие возможности быстрого получения выборки в виде таблицы по интересующим словам/словосочетаниям.
К тому же было бы замечательно, если бы подобная выборка имела вид:

Имя документа Id в документе осмысленное предложение поля для тегаВеселый садовод 10 В лесу растут деревья лес/дерево
P.S. задача простановки тегов здесь не стоит

И опять же другим недостатком объединения в word является отсутствие возможности простановки тегов

Shocker.ProНу что ж, если предложение типаПри применении в системе менеджмента качества такой подход подчеркивает важность:является самодостаточным и имеет какой-то смысл отдельно от документа - ну может быть. Мне просто это непонятно, недостаточно информации.

Для того чтобы приведенный пример имел смысл используется макрос объединения списков, т.е. после обработки ячейка в excel будет имет вид:

При применении ....
a) ...
b) ...
c) ...
d) ...


В общем ваша мысль, безусловно, верна не каждая ячейка с текстом будет представлять собой осмысленное предложение. Важность ячеек будет определяться как раз с помощью заполнение тегов (в некотором смысле это будет семантическим анализом)