从python中的word文件中读取

Question

如何从python中的单词（docx）文件中读取。我可以读取 txt 文件，但不能读取 MS Office word 文档。有什么建议？

Answer 1

有几个包可以让你做到这一点。查看

1. 蟒蛇-docx。

2. docx2txt（请注意，它似乎不适用于.doc）。按照这个，它似乎比 python-docx 获得更多的信息。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. textract（通过docx2txt 工作）。

4. 由于.docx文件只是.zip具有更改扩展名的文件，这显示了如何访问内容。这是与.doc文件的显着差异，也是上述部分（或全部）不适用于.docs 的原因。在这种情况下，您可能必须先转换doc-> docx。antiword是一种选择。