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

要实现从两个10兆的Word文件中提取相似的语句并计算相似度，可以按照以下步骤进行：

1. 使用Python的docx库读取Word文件内容。可以使用pip install python-docx命令安装该库。

from docx import Document

def read_word_file(file_path):
    doc = Document(file_path)
    content = []
    for paragraph in doc.paragraphs:
        content.append(paragraph.text)
    return content

file1_path = "file1.docx"
file2_path = "file2.docx"

file1_content = read_word_file(file1_path)
file2_content = read_word_file(file2_path)

2. 对提取的内容进行预处理，例如去除标点符号、转换为小写等。

import re

def preprocess_text(text):
    text = re.sub(r'[^\w\s]', '', text)  # 去除标点符号
    text = text.lower()  # 转换为小写
    return text

preprocessed_file1_content = [preprocess_text(text) for text in file1_content]
preprocessed_file2_content = [preprocess_text(text) for text in file2_content]

3. 使用Python的文本相似度计算库（如gensim、nltk等）计算相似度。这里以gensim库为例。

from gensim.models import Word2Vec
from gensim.similarities import WmdSimilarity

# 训练Word2Vec模型
model = Word2Vec(preprocessed_file1_content + preprocessed_file2_content, min_count=1)

# 创建WmdSimilarity对象
instance = WmdSimilarity(preprocessed_file1_content, model, num_best=10)

# 计算每个句子的相似度
similarities = []
for i, query in enumerate(preprocessed_file2_content):
    sims = instance[query]
    for j, (doc_id, similarity) in enumerate(sims):
        sentence = file1_content[doc_id]
        similarities.append((sentence, similarity))

以上代码将返回每个句子与第一个文件中相似度最高的10个句子及其相似度。

请注意，由于Word文件可能包含大量文本，处理时间可能会很长。你可以考虑对文本进行分块处理，以提高处理速度。