尝试使用python从word中提取文本时出错？

Question

我目前正在尝试用 Python 编写一个函数，该函数允许我从 .docx 文件中提取文本。为此，我使用 python-docx 库。我的程序也做了它应该做的事情，至少当我在 Python 中创建一个 docx 文件，然后在这个文件上使用我的函数时，它会将文本返回给我。

但是，对于我修改或创建的.docx文件（word文档），它找不到路径并返回PackageNotFoundError。我上网检查我的文件是否是 zip 文件。我用 zipfile 做到了这一点，事实上我保存的 word 文档不是 zipfiles。这是怎么回事？再次验证一下我的python代码：

从 zipfile 导入 is_zipfile 导入docx

doc = docx.Document()

doc.add_paragraph(“你好”)

doc.save(test_path)

打印（is_zipfile（test_path））

//输出=真

如果我进入此 test_path，输入一个数字并保存 ->

打印（is_zipfile（测试路径）） //输出=假

现代 .docx 文档不再是 zip 文件吗？或者这里出了什么问题？

当谷歌搜索到处都写到word文档/.docx文件是zip文件。我认为这就是为什么库给我错误代码并且无法打开文件的问题。 我感谢每个试图提供帮助的人。谢谢

Answer 1

如果您想要对最终文档进行更多控制，或者想要更改现有文档，则需要使用文件名打开一个文档：

document = Document('existing-document-file.docx')
document.save('new-file-name.docx')

• 您可以通过这种方式打开任何 Word 2007 或更高版本的文件（Word 2003 及更早版本中的 .doc 文件不起作用）。虽然您可能还无法操作所有内容，但其中已有的内容都可以正常加载和保存。该功能集仍在构建中，因此您还无法添加或更改诸如标题或脚注之类的内容，但如果文档有它们，python-docx 足够有礼貌地保留它们，并且足够聪明，可以在不真正了解它们的情况下保存它们他们是。
• 如果使用相同的文件名打开和保存文件，python-docx 会乖乖地覆盖原文件，不偷看。您需要确保这就是您的意图。