要从一大堆文档中，建一个语料库，基本上每个head 3的章节，是一个语料，我得把它们切分出来
word 文档的部分，用python-docx库，通过每个Document.paragraphs的style，可以把Heading找出来
doc = docx.Document(url)
for par in doc.paragraphs:
stylename = par.style.name
if re.match(f'Heading [1-3]',stylename):
#找到章节
怎么得到章节号？
还有一批pdf文档，pdfminer只能抽取每页的文本，没法得到章节信息啊，有什么思路么？
这哥们儿遇到同样问题
https://stackoverflow.com/questions/53219016/detecting-sections-of-a-pdf-with-pdfminer
--
FROM 180.166.53.*