Python-docx 在提取的文本部分中混淆大小写

Question

我在使用 python-docx 包保留从 .docx 文档中提取的文本的大写时遇到了一些问题。

我正在迭代 .docx 文档的段落，以便使用 python-docx 提取文本：

for paragraph in doc.paragraphs:
    raw_text = paragraph.text

这非常简单。但是，当我开始将 .docx 源代码与其在变量 raw_text 中提取的文本进行比较时，我经常（但并非总是）发现前者的大写符号在后者中变成了小写，就像下面的情况一样：

（来源）ПОРЯ́ДОК, дка и дку, м. 1. ед。 Состояние благоустроенности, гармонии； правильное расположение, надлежащий вид чего-л.

(raw_text) Поря́док, дка и дку, м. 1. ед。 Состояние благоустроенности, гармонии； правильное расположение, надлежащий вид чего-л。 Порядок скучен вездѣ, и немножко труден.

我无法找出问题所在，如果有人能解释这种奇怪的效果，我将不胜感激。

Answer 1

我终于找到了问题的根源。一些看似大写的符号实际上全部采用大写格式。所以我的解决方案是通过 paragraph.run.font.all_caps.

检查每次运行的 python-docx 中的字体属性