已解決430363個問題，去搜搜看，總會有你想問的

從python中的MS word文件中提取文本

關注

首頁猿問從python中的MS...

Python Linux

達令說 2019-07-30 15:51:19

從python中的MS word文件中提取文本為了在python中使用MS word文件，有python win32擴展，可以在windows中使用。我如何在linux中做同樣的事情？有圖書館嗎？

查看完整描述

3 回答

侃侃無極

TA貢獻2051條經驗獲得超10個贊

您可以對antiword進行子進程調用。Antiword是一個linux命令行實用程序，用于從單詞doc中轉儲文本。適用于簡單文檔（顯然它會丟失格式）。它可以通過apt，也可以作為RPM，或者你可以自己編譯。

反對回復 2019-07-30

呼喚遠方

TA貢獻1856條經驗獲得超11個贊

使用本機Python docx模塊。以下是如何從doc中提取所有文本：

document = docx.Document(filename)docText = '\n\n'.join([
    paragraph.text.encode('utf-8') for paragraph in document.paragraphs])print docText

還可以查看Textract，它可以拉出表格等。

使用正則表達式解析XML會調用cthulu。不要這樣做！

反對回復 2019-07-30

關注