在Python中从Word文档（.docx）提取突出显示的单词

我正在处理一组word文档，其中有高亮显示的文本（单词）（使用颜色代码，例如黄色、蓝色、灰色），现在我想提取与每种颜色相关的高亮显示的单词。我正在用Python编程。以下是我目前所做的工作：

使用

[python docx][1]

打开word文档，然后进入

标记，该标记包含文档中的标记（单词）。我使用了以下代码：

#!/usr/bin/env python2.6
# -*- coding: ascii -*-
from docx import *
document = opendocx('test.docx')
words = document.xpath('//w:r', namespaces=document.nsmap)
for word in words:
  print word

---

现在，我被困在检查每个单词是否有

标记的部分，并从中提取颜色代码，以及它是否与

标记内的黄色打印文本匹配。如果有人能告诉我如何从解析文件中提取单词，我将不胜感激

我以前从未使用过，但有帮助的是，我在网上发现了一个片段，其中突出显示的文本的XML结构看起来像：

 <w:r>
    <w:rPr>
      <w:highlight w:val="yellow"/>
    </w:rPr>
    <w:t>text that is highlighted</w:t>
  </w:r>

---

我做了一些小改动（缺少标记声明和ascii到utf8字符的处理），修改后的代码再次可用，谢谢@BioGeek！不客气。这是一个很酷的问题，我也学到了一些新东西。来自一位生物信息学家同事的问候！

from docx import *
document = opendocx(r'test.docx')
words = document.xpath('//w:r', namespaces=document.nsmap)

WPML_URI = "{http://schemas.openxmlformats.org/wordprocessingml/2006/main}"
tag_rPr = WPML_URI + 'rPr'
tag_highlight = WPML_URI + 'highlight'
tag_val = WPML_URI + 'val'

for word in words:
    for rPr in word.findall(tag_rPr):
        if rPr.find(tag_highlight).attrib[tag_val] == 'yellow':
            print word.find(tag_t).text