从python中的word文件中读取答案

【问题标题】：Read from a word file in python从python中的word文件中读取
【发布时间】：2020-07-23 15:44:35
【问题描述】：

如何在 python 中读取单词 (docx) 文件。我可以从 txt 文件中读取，但不能对 MS Office word 文档执行相同的操作。有什么建议吗？

【问题讨论】：

How to extract text from an existing docx file using python-docx的可能重复
这能回答你的问题吗？ Read Docx files via python

【解决方案1】：

有几个包可以让你做到这一点。检查

python-docx.
docx2txt（请注意，它似乎不适用于.doc）。根据this，它似乎比 python-docx 获得更多信息。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")

textract（通过docx2txt工作）。
由于.docx 文件只是具有更改扩展名的.zip 文件，this 显示如何访问内容。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，您可能必须首先转换 doc -> docx。 antiword 是一个选项。

【讨论】：

谢谢 doc2txt 解决了我的问题。我已经为此苦苦挣扎了很长时间。

【解决方案2】：

查看这个允许读取 docx 文件的库https://python-docx.readthedocs.io/en/latest/

您应该使用 PyPi 上提供的 python-docx 库。然后你可以使用以下

doc = docx.Document('myfile.docx')
allText = []
for docpara in doc.paragraphs:
    allText.append(docpara.text)

【讨论】：

您好！虽然此链接可能会回答问题，但最好在此处包含答案的基本部分并提供链接以供参考。如果链接页面发生更改，仅链接的答案可能会失效。