通过python读取Docx文件

Question

有人知道一个Python库来读取docx文件吗？

我有一个 Word 文档，我正在尝试从中读取数据。

Answer 1

有几个软件包可以让你做到这一点。 检查

1. python-docx。

2. docx2txt（请注意，它似乎不适用于

   .doc

   ）。根据 this，它似乎比 python-docx 获得更多信息。 来自原始文档：

import docx2txt

# extract text
text = docx2txt.process("file.docx")

# extract text and write images in /tmp/img_dir
text = docx2txt.process("file.docx", "/tmp/img_dir") 

3. texttract（通过docx2txt工作）。

4. 由于

   .docx

   文件只是扩展名已更改的

   .zip

   文件，因此 this 显示了如何访问其内容。 这是与

   .doc

   文件的显着差异，也是上述部分（或全部）文件不适用于

   .doc

   的原因。 在这种情况下，您可能必须首先转换

   doc

   ->

   docx

   。

   antiword

   是一个选项。

Answer 2

python-docx 既可以读也可以写。

doc = docx.Document('myfile.docx')
allText = []
for docpara in doc.paragraphs:
    allText.append(docpara.text)

现在所有段落都将出现在 allText 列表中。

感谢 Al Sweigart 的 Automate the Boring Stuff with Python 的指点。

Answer 3

查看这个允许读取 docx 文件的库 https://python-docx.readthedocs.io/en/latest/

您应该使用 PyPi 上提供的 python-docx 库。然后你就可以使用以下

doc = docx.Document('myfile.docx')
allText = []
for docpara in doc.paragraphs:
    allText.append(docpara.text)

Answer 4

快速搜索 PyPI 会找到 docx 包。

Answer 5

import docx

def main():
    try:
        doc = docx.Document('test.docx')  # Creating word reader object.
        data = ""
        fullText = []
        for para in doc.paragraphs:
            fullText.append(para.text)
            data = '\n'.join(fullText)

        print(data)

    except IOError:
        print('There was an error opening the file!')
        return


if __name__ == '__main__':
    main()

不要忘记使用（pip install python-docx）安装python-docx