好的，所以我有一个充满文本（只有文本）的 docx 文件，我想以一种非常具体的方式解析它。请记住，它使用了来自塞尔维亚拉丁语的特殊字符，例如 ŠĐŽĆČ
这就是我想要做的：1）从文本中提取每个单词，忽略 1 个字母的单词 2）如果它用特殊字符（例如Čovek）编码，则制作两个版本，一个是“Čovek”，另一个是“Covek” "（所以一个有特殊字符，一个没有） 3) 将两者保存在相应列下的表格中（由单词的第一个字母确定，因此 C 表示 Covek，Č 表示 Čovek。这只是在他们还没有的情况下存在，如果他们跳过
而已。文件存在，表结构存在，我只是不知道如何解析它们。
谢谢！