读取共享点中存在的文件内容

Question

我有一个目录，每个共享点上有 n 个子目录。每个子目录都有带有 doc 或 docx 扩展名的文件。我想读取文本（可能将内容读取为平面文本来解析每个字符串）。我知道 docx2txt 但它需要该文件在本地计算机上呈现（我这么认为）。有没有更好的办法？

我正在使用图形 API 来扫描/浏览共享点目录。

请寻找方向。

Answer 1

获取 SharePoint 访问令牌并下载您的目录 url

导入请求

导入docx2txt

acc_tok = get_sharepoint_access_token()

dir_url = ""你的目录网址"

response = requests.get(dir_url, headers={"Authorization": f"Bearer {acc_tok}"})

文件=response.json()[“值”]

对于文件中的文件：

file_url = file["@content.downloadUrl"]
file_name = file["name"]

with open(file_name, "wb") as f:
    
    response = requests.get(file_url, headers={"Authorization": f"Bearer {access_token}"})
    
    f.write(response.content)

现在将它们转换为纯文本

对于 os.listdir() 中的文件名：

if file_name.endswith(".docx"):

    with open(file_name, "r") as f:

        text = docx2txt.process(f)