自动化办公：利用Python和DeepSeek API高效制作Word文档（附源码）

https://www.deepseek.com/
复制

https://www.python.org/
复制

https://www.jetbrains.com.cn/pycharm/download/?section=windows
复制

pycharm-professional-2024.3.2.exe
复制

pip3 install openai
复制

from openai import OpenAI
复制

role_system = "你是一名专业的Python程序员，专注python技术的培训学习。"
role_user = "在每日可用2小时(19：00-21：00)、脑力峰值下降30%的晚间时段，设计Python机器学习进阶计划（需兼容Anki记忆曲线）,最终输出markdown格式"
复制

from openai import OpenAI
# 初始化客户端
client = OpenAI(api_key="deepseek创建的api key", base_url="https://api.deepseek.com")
# 系统角色和用户输入


# role_system = "你是一名专业的Python开发工程师，最终输出markdown格式"
role_system = "你是一名专业的Python程序员，专注python技术的培训学习。"
role_user = "在每日可用2小时(19：00-21：00)、脑力峰值下降30%的晚间时段，设计Python机器学习进阶计划（需兼容Anki记忆曲线）,最终输出markdown格式"




response = client.chat.completions.create(
    model="deepseek-chat",
    messages=[
        {"role": "system", "content": role_system},
        {"role": "user", "content": role_user},
    ],
    temperature=1.0,
    top_p=0.9,
    max_tokens=500,
    stream=False
)
# 输出
markdown_text = response.choices[0].message.content
print(markdown_text)
复制

## Python 机器学习进阶计划 (晚间时段，兼容 Anki 记忆曲线)


**目标:**  在每日 2 小时 (19:00-21:00) 的晚间时段，利用脑力峰值下降 30% 的特点，高效学习 Python 机器学习进阶知识，并结合 Anki 记忆曲线进行知识巩固。


**计划周期:** 8 周


**每周安排:**


* **周一至周五:** 学习新知识 + Anki 复习
* **周六:**  项目实践 + Anki 复习
* **周日:**  休息 + 自由复习


**每日时间安排 (19:00-21:00):**


* **19:00-19:30:**  Anki 复习 (复习前一天学习内容)
* **19:30-20:30:**  学习新知识 (视频/书籍/文档)
* **20:30-21:00:**  代码实践 + 笔记整理 + Anki 卡片制作


**学习路线:**


**第一阶段 (1-2 周): 机器学习基础回顾与强化**


* **目标:**  巩固机器学习基础概念，为进阶学习打下坚实基础。
* **学习内容:**
    * 机器学习基本概念 (监督学习、无监督学习、强化学习)
    * 常用机器学习算法 (线性回归、逻辑回归、决策树、随机森林、SVM 等)
    * 模型评估指标 (准确率、召回率、F1 值、ROC 曲线等)
    * 特征工程 (特征选择、特征缩放、特征编码等)
* **资源推荐:**
    * 书籍: 《机器学习实战》
    * 视频: 吴恩达机器学习课程 (Coursera)
    * 网站: Scikit-learn 官方文档
* **Anki 卡片制作:**
    * 机器学习基本概念
    * 常用机器学习算法原理、优缺点、应用场景
    * 模型评估指标计算公式、意义
    * 特征工程常用方法


**第二阶段 (3-4 周): 深度学习入门**


* **目标:**  掌握深度学习基本概念和常用模型。
* **学习内容:**
    * 神经网络基础 (感知机、多层感知机、激活函数、损失函数、优化算法)
    * 卷积神经网络 (CNN) 原理及应用
    * 循环神经网络 (RNN) 原理及应用
    * 深度学习框架
复制

pip install markdown python-docx beautifulsoup4
复制

import markdown
from docx import Document
from bs4 import BeautifulSoup
复制

import markdown
from docx import Document
from docx.shared import Pt
from docx.enum.text import WD_ALIGN_PARAGRAPH
from bs4 import BeautifulSoup


def markdown_to_word(markdown_text, output_file):
    # 解析 Markdown 为 HTML
    html_content = markdown.markdown(markdown_text)


    # 创建 Word 文档
    doc = Document()


    # 设置默认字体和样式
    style = doc.styles['Normal']
    font = style.font
    font.name = 'Times New Roman'
    font.size = Pt(12)


    # 将 HTML 转为文本解析（不保留标签）
    soup = BeautifulSoup(html_content, "html.parser")


    # 遍历解析后的内容
    for element in soup:
        if element.name == "h1":
            # 一级标题，居中显示
            paragraph = doc.add_heading(element.text, level=1)
            paragraph.alignment = WD_ALIGN_PARAGRAPH.CENTER
            doc.add_paragraph()
        elif element.name == "h2":
            # 二级标题
            paragraph = doc.add_heading(element.text, level=2)
            paragraph.alignment = WD_ALIGN_PARAGRAPH.CENTER
            doc.add_paragraph()
        elif element.name == "h3":
            # 三级标题
            paragraph = doc.add_heading(element.text, level=3)
            paragraph.alignment = WD_ALIGN_PARAGRAPH.LEFT
            doc.add_paragraph()
        elif element.name == "p":
            # 普通段落
            doc.add_paragraph(element.text)
        elif element.name == "ul":
            # 无序列表
            for li in element.find_all("li", recursive=False):
                doc.add_paragraph(li.text, style="List Bullet")
        elif element.name == "ol":
            # 有序列表
            for li in element.find_all("li", recursive=False):
                doc.add_paragraph(li.text, style="List Number")
        elif element.name == "blockquote":
            # 引用
            doc.add_paragraph(element.text, style="Intense Quote")
        elif element.name == "code":
            # 代码块
            doc.add_paragraph(element.text, style="Code")


    # 保存生成的 Word 文档
    doc.save(output_file)
    return f"生成 {output_file} 成功！"
复制

def main():
    output_file = 'XXX_Python业余学习计划.docx'
    result = markdown_to_word(markdown_text, output_file)
    print(result)


if __name__ == '__main__':
    main()
复制