首页
学习
活动
专区
工具
TVP
发布
社区首页 >问答首页 >如何使用python-docx从现有的docx文件中提取文本

如何使用python-docx从现有的docx文件中提取文本
EN

Stack Overflow用户
提问于 2014-08-10 19:24:55
回答 6查看 139.9K关注 0票数 60

我尝试使用python-docx模块(pip install python-docx),但这似乎非常混乱,因为在github repo测试示例中,他们使用的是opendocx函数,而在readthedocs中,他们使用的是Document类。即使他们只展示了如何将文本添加到docx文件中,而不是读取现有的文件?

第一个(opendocx)不工作,可能已弃用。对于第二种情况,我尝试使用:

代码语言:javascript
复制
from docx import Document

document = Document('test_doc.docx')

print document.paragraphs

它返回了一个<docx.text.Paragraph object at 0x... >列表

然后我做到了:

代码语言:javascript
复制
for p in document.paragraphs:
    print p.text

它返回所有文本,但几乎没有丢失任何内容。所有URL (CTRL+CLICK转到URL)在控制台上不是以文本形式出现的。

问题出在哪里?为什么会缺少URL?

如何才能在不遍历循环的情况下获得完整的文本(比如open().read())

EN

回答 6

Stack Overflow用户

发布于 2016-03-08 23:28:19

你可以试试这个

代码语言:javascript
复制
import docx

def getText(filename):
    doc = docx.Document(filename)
    fullText = []
    for para in doc.paragraphs:
        fullText.append(para.text)
    return '\n'.join(fullText)
票数 62
EN

Stack Overflow用户

发布于 2015-10-29 10:59:24

你可以使用python-docx2txt,它改编自python-docx,但也可以从链接、页眉和页脚中提取文本。它还可以提取图像。

票数 19
EN

Stack Overflow用户

发布于 2017-04-21 13:10:35

你也可以试试这个

代码语言:javascript
复制
from docx import Document

document = Document('demo.docx')
for para in document.paragraphs:
    print(para.text)
票数 14
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/25228106

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档