Python读取Word（.docx）正文信息的方法

脚本专栏 2024/11/7 佚名

3 2 1

圆月山庄资源网 Design By www.vgjia.com

本文介绍用Python简单读取*.docx文件信息，一些python-word库就是对这种方法的扩展。

介绍分两部分：

Word(*.docx)文件简述
Python提取Word信息

Word(*.docx)文件简述

大约在2008年以前，Office产品中Word用.doc文件格式，这种二进制格式很难与其他软件兼容。
为了跟上时代，微软采用类XML格式标准定义其新版Word文件.docx。
.docx实际上是一个zip的压缩文件，比如我们有一个test.docx的文件：

其内容如下：

改变其后缀名为test.zip，然后解压，会得到如下文件：

其中Word文件的正文内容被保持在word/document.xml中，我们可以打开查看：

Python提取Word信息

根据Word（.docx）文件格式，我们遵循如下步骤进行正文信息的提取：

1 解压.docx文件
2 用BeautifulSoup解析word/document.xml提取正文信息

具体代码如下：

from zipfile import ZipFile
from bs4 import BeautifulSoup

document=ZipFile('test.docx')
xml=document.read("word/document.xml")
wordObj=BeautifulSoup(xml.decode("utf-8"))
texts=wordObj.findAll("w:t")
for text in texts:
  print(text.text)

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。

Python,Word

标签：

Python,Word

圆月山庄资源网 Design By www.vgjia.com

广告合作：本站广告合作请联系QQ：858582 申请时备注：广告合作（否则不回）
免责声明：本站文章均来自网站采集或用户投稿，网站不提供任何软件下载或自行开发的软件！如有用户或公司发现本站内容信息存在侵权行为，请邮件告知！ 858582#qq.com

圆月山庄资源网 Design By www.vgjia.com

评论“Python读取Word（.docx）正文信息的方法”

暂无评论...

P70系列延期，华为新旗舰将在下月发布

3月20日消息，近期博主@数码闲聊站透露，原定三月份发布的华为新旗舰P70系列延期发布，预计4月份上市。

而博主@定焦数码爆料，华为的P70系列在定位上已经超过了Mate60，成为了重要的旗舰系列之一。它肩负着重返影像领域顶尖的使命。那么这次P70会带来哪些令人惊艳的创新呢？
根据目前爆料的消息来看，华为P70系列将推出三个版本，其中P70和P70 Pro采用了三角形的摄像头模组设计，而P70 Art则采用了与上一代P60 Art相似的不规则形状设计。这样的外观是否好看见仁见智，但辨识度绝对拉满。

更新日志

2024年11月07日

Python读取Word（.docx）正文信息的方法

Python,Word

python中使用PIL制作并验证图片验证码

python批量设置多个Excel文件页眉页脚的脚本

评论“Python读取Word（.docx）正文信息的方法”

P70系列延期，华为新旗舰将在下月发布

更新日志

友情链接