Python NLP-确定多项选择题和答案

说到NLP，我是一个完全的初学者。只是想找个人给我指出正确的方向

我的文档中包含了很多选择题、选项和它们的答案（如下图）

---

我想建立一个程序，能够得到每个问题，它的选择和答案。问题是不是每个文档都遵循完全相同的格式/间距，所以我想构建一个能够考虑各种格式的包罗万象的程序。NLTK、scikit learn或TensorFlow中是否有任何内容可以帮助我做到这一点？

什么类型的文档？如果是pdf，则需要将分析嵌入从pdf文档中提取的信息中，例如pyPDF@CLpragmatics-既有PDF文件，也有Docx文件。我将使用pyPDF作为PDF文件，PythonDocX作为docx文件。我更不知道解析文件后该怎么做。你是否设法避免了pyPDF中的错误，它使你的解析输出没有空格？而且，由于微软使用了正确的标记，docx使得它变得更加复杂。如果你想试探性地做这件事，这意味着你首先必须收集关于如何标记多项选择题的信息（即标记上下文）。有监督的机器学习可能是一个问题，因为您需要带注释的数据来训练您的模型。也许一些无监督的集群会起作用。