如何从 docx 文件中提取文本并存储在文本文件中答案

【问题标题】：How to extract text from a docx file and store in a text file如何从 docx 文件中提取文本并存储在文本文件中
【发布时间】：2019-01-17 09:45:53
【问题描述】：

我一直在尝试读取 .docx 文件并将其文本复制到 .txt 文件中

我开始编写这段脚本来实现上述结果。

if extension == 'docx' :

   document = Document(filepath)
      for para in document.paragraphs:
         with open("C:/Users/prasu/Desktop/PySumm-resource/CodeSamples/output.txt","w") as file:
            file.writelines(para.text)

发生的错误如下：

Traceback (most recent call last):
  File "input_script.py", line 27, in <module>
    file.writelines(para.text)
  File "C:\Python\lib\encodings\cp1252.py", line 19, in encode
    return codecs.charmap_encode(input,self.errors,encoding_table)[0]
UnicodeEncodeError: 'charmap' codec can't encode character '\u2265' in 
position 0: character maps to <undefined>

我尝试在 print() 的帮助下打印“para.text”，它可以工作。现在，我想将“para.text”写入 .txt 文件。

【问题讨论】：

无法将输出写入文本文件
使用para.text.encode('utf-8')来自这里有帮助吗stackoverflow.com/questions/14630288/…
好的，谢谢先生

标签： python nlp python-unicode traceback

【解决方案1】：

您可以尝试使用codecs。

根据您的错误消息，以下字符“≥”似乎引起了问题。使用编解码器以 utf-8 输出应该有望解决您的问题。

from docx import Document
import codecs
filepath = r"test.docx"
document = Document(filepath)
for para in document.paragraphs:
    with codecs.open('output.txt', 'a', "utf-8-sig") as o_file:
        o_file.write(para.text)
    o_file.close()

【讨论】：