Extrai todo o texto da fonte específica do documento do MS Word?

Question

Eu converti um documento PDF para o formato Word. O PDF é uma edição de uma revista. Eu preciso de todo o texto que é uma certa fonte e 9,5 ou 10 pontos. Esses são os conteúdos dos artigos, nos quais eu quero fazer mineração de texto (somente frequências de palavras). As toneladas de outras coisas que seriam extremamente tediosas para remover um caminho diferente.

Clicar com o botão direito do mouse em uma área do texto e selecionar "Selecionar texto com formatação semelhante" não funciona. (Isso é o que eu estava planejando fazer). Apenas seleciona o parágrafo atual. Eu tentei 'selecionar tudo' e, em seguida, definir a formatação de todos os parágrafos para ser o mesmo, mas isso não teve efeito.

    

Answer 1

Em uma cópia do seu documento (no caso de você querer manter todo o texto), você pode excluir todo o texto que não é a fonte e tamanho específicos fazendo 3 localizar e substituir (os dois primeiros irão destacar o texto você deseja manter, o terceiro excluirá o texto simples restante).

(NB: certifique-se de que as caixas de texto Localizar e Substituir por estão vazias e não inclua acidentalmente um espaço em Substituir por)

1. Localize todo o texto da fonte com 9,5 pontos e substitua pelo realce (ele manterá o texto, mas o realçará na última marca de marcador usada - você poderá destacar uma palavra no início para ter uma cor selecionado).
2. Façaomesmolocalizaresubstituir,masdestavezsubstituaafontede10pontosporrealce.

Ospassos1e2acimasignificamquequalquertextoqueNÃOsejade9,5ou10pontosnoestilodefontequevocêestáprocurandonãoserádestacado.

Faça um localizar e substituir, onde a localização é simplesmente Não realçar (para obter Não realçar como a opção Formatar, você deve selecioná-lo no botão Formatar no canto inferior esquerdo da captura de tela duas vezes).

Isso excluirá todo o texto sem destaque, deixando apenas o texto que você deseja manter.