python 从两个10兆的word文件的中文内容中使用nlp库进行快速提取相似的语句并给出每一句的相似度

要在两个Word文件的中文内容中使用NLP库进行快速提取相似的语句并给出每一句的相似度，可以按照以下步骤进行：

1. 读取两个Word文件的中文内容。可以使用Python的python-docx库来读取Word文件的文本内容。

from docx import Document

# 读取第一个Word文件
doc1 = Document('file1.docx')
text1 = ' '.join([paragraph.text for paragraph in doc1.paragraphs])

# 读取第二个Word文件
doc2 = Document('file2.docx')
text2 = ' '.join([paragraph.text for paragraph in doc2.paragraphs])

2. 使用NLP库进行语句相似度计算。可以使用Python的gensim库来计算语句的相似度。首先，需要将文本分成句子，并对每个句子进行预处理，如分词、去除停用词等。

from gensim import corpora, models, similarities
from gensim.utils import simple_preprocess
from gensim.parsing.preprocessing import STOPWORDS

# 分词和去除停用词
def preprocess(text):
    result = []
    for token in simple_preprocess(text):
        if token not in STOPWORDS:
            result.append(token)
    return result

# 分成句子
sentences1 = [sentence for sentence in text1.split('.') if sentence.strip() != '']
sentences2 = [sentence for sentence in text2.split('.') if sentence.strip() != '']

# 预处理句子
processed_sentences1 = [preprocess(sentence) for sentence in sentences1]
processed_sentences2 = [preprocess(sentence) for sentence in sentences2]

# 创建语料库
dictionary = corpora.Dictionary(processed_sentences1 + processed_sentences2)
corpus1 = [dictionary.doc2bow(sentence) for sentence in processed_sentences1]
corpus2 = [dictionary.doc2bow(sentence) for sentence in processed_sentences2]

# 计算相似度
tfidf = models.TfidfModel(corpus1 + corpus2)
index = similarities.SparseMatrixSimilarity(tfidf[corpus1], num_features=len(dictionary))

# 提取相似句子
for i, sentence in enumerate(sentences1):
    query = dictionary.doc2bow(processed_sentences1[i])
    sims = index[tfidf[query]]
    similar_sentences = sorted(enumerate(sims), key=lambda x: x[1], reverse=True)[:5]
    print('原句:', sentence)
    for similar_sentence in similar_sentences:
        print('相似句:', sentences2[similar_sentence[0]], '相似度:', similar_sentence[1])
    print()

上述代码中，使用TF-IDF模型计算句子的相似度，并提取与每个句子最相似的前5个句子及其相似度。

请确保已安装python-docx和gensim库，可以使用以下命令进行安装：

pip install python-docx gensim

注意：以上代码仅提供了一个简单的示例，实际应用中可能需要根据具体需求进行修改和优化。