将 .doc/.docx 转换为文本并保留表格

Question

我想将 doc/docx 文件转换为文本文件。我的要求是表格应该保持原样。

我尝试过Python tika。它将行转换为列

例如输入 doc/docx 文件中的表

上面的表格转换为如下文本

LANGUAGE
UNDERSTAND
LEARN

HINDI
YES
NO

MARATHI
YES
NO

ENGLISH
YES
NO

所需的输出类似于（保留表格格式）

 LANGUAGE    UNDERSTAND      LEARN  
 HINDI   YES     NO
 MARATHI     YES     NO
 ENGLISH     YES     NO

如果可能的话请告诉我。

Answer 1

正如@ilmiacs 建议的那样，pandoc可以为您做到这一点。
使用python需要安装pypandoc.
测试文档：

import pypandoc
print(pypandoc.convert_file("Untitled 1.docx", "plain+simple_tables", format="docx", extra_args=(), encoding='utf-8', outputfile=None))

给你：

显然，您还可以选择使用subprocess将其敲入命令行。