通过 python 读取 Docx 文件答案

【问题标题】：Read Docx files via python通过 python 读取 Docx 文件
【发布时间】：2015-03-27 19:50:48
【问题描述】：

有人知道读取 docx 文件的 python 库吗？

我有一个 Word 文档，我正在尝试从中读取数据。

【问题讨论】：

我会使用python-docx
不是用来写的吗？不适合阅读
你想从 docx 文件中得到什么信息？只是文字？图片？元数据？
只是文本，但与文档格式相同
另一种方法是使用 libreoffice 命令行将.docx 转换为.odt，然后检查.odt 文件。 AFAIK odt python 工具比 docx 更好。

【解决方案1】：

python-docx 可以读写。

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

现在所有段落都将在列表 allText 中。

感谢 Al Sweigart 的“How to Automate the Boring Stuff with Python”的指点。

【讨论】：

【解决方案2】：

search of PyPI 快速打开docx 包。

【讨论】：

我知道 docx 包，它是用来写而不是读的：/
"The docx module creates, reads and writes Microsoft Office Word 2007 docx files."

【解决方案3】：

import docx

def main():
    try:
        doc = docx.Document('test.docx')  # Creating word reader object.
        data = ""
        fullText = []
        for para in doc.paragraphs:
            fullText.append(para.text)
            data = '\n'.join(fullText)

        print(data)

    except IOError:
        print('There was an error opening the file!')
        return


if __name__ == '__main__':
    main()

别忘了安装 python-docx 使用 (pip install python-docx)

【讨论】：