'commit'

dsRag/Test/TestPandoc.py

@@ -5,8 +5,6 @@ if __name__ == '__main__':
     docx_file = 'D:\dsWork\dsProject\dsRag\static\Txt\化学方程式_CHEMISTRY_1.docx'
 
     # 整合最终的拼接完的文本
-    sb = get_docx_content_by_pandoc(docx_file)
+    content = get_docx_content_by_pandoc(docx_file)
 
-    # 输出
-    for x in sb:
-        print(x)
+    print(content)

dsRag/Util/DocxUtil.py

@@ -3,6 +3,7 @@ import subprocess
 import os
 import uuid
 
+
 # 获取MathType对应的Latex公式
 def get_latex_list(docx_file):
     # 获取当前目录的父级目录
@@ -18,13 +19,13 @@ def get_latex_list(docx_file):
             res.append(line.strip())
     return res
 
+
 # 结合Pandoc和mtef-go的结果，合并成最终的输出文本
 def get_docx_content_by_pandoc(docx_file):
     # 一、获取Latex公式列表
     formula_list = get_latex_list(docx_file)
-
-    # StringBuilder结果
-    sb = []
+    # 最后拼接的内容
+    content = ""
     # output_file 设置为临时目录下的uuid.md
     temp_markdown = os.path.join(os.environ['TEMP'], uuid.uuid4().hex + '.md')
     # 调用pandoc将docx文件转换成markdown
@@ -37,13 +38,11 @@ def get_docx_content_by_pandoc(docx_file):
                 # 改进后的正则表达式，匹配更多格式的MathType公式
                 if re.search(r'!\[]\(media/image\d+\.\w+\)', line) or \
                         re.search(r'\.!\[]\(media/image\d+\.\w+\)\.', line):
-                    sb.append(formula_list[idx])
+                    content = content + formula_list[idx] + "\n"
                     idx = idx + 1
                 else:
-                    sb.append(line.strip())
+                    content = content + line.strip() + "\n"
 
     # 删除临时文件 output_file
     os.remove(temp_markdown)
-    return sb
-
-
+    return content