您好,登錄后才能下訂單哦!
小編給大家分享一下基于Python如何獲取docx/doc文件內(nèi)容,相信大部分人都還不怎么了解,因此分享這篇文章給大家參考一下,希望大家閱讀完這篇文章后大有收獲,下面讓我們一起去了解一下吧!
Python主要應(yīng)用于:1、Web開發(fā);2、數(shù)據(jù)科學(xué)研究;3、網(wǎng)絡(luò)爬蟲;4、嵌入式應(yīng)用開發(fā);5、游戲開發(fā);6、桌面應(yīng)用開發(fā)。
整體思路:
下載文件并修改后綴為zip文件,解壓zip文件,所要獲取的內(nèi)容在固定的文件夾下:work/temp/word/document.xml
所用包,全部是python自帶,不需要額外下載安裝.
# encoding:utf-8 import os import re import requests import zipfile import xml.dom.minidom newfile = 'test.docx' def create(newfile): """下載docx文件,并修改后綴為zip""" res = requests.get('https://www.cqjbfy.gov.cn/publiccenter/splc/mb/splc_gginfo.asp?newsid=28949') if not os.path.exists(newfile): f = open(newfile, 'wb') for chunk in res.iter_content(100000): f.write(chunk) f.close() os.rename(newfile, 'test.zip') 這種方法發(fā)現(xiàn)只能解決一部分doc文件,具體原因不得而知,有明白的歡迎留言 # 將doc/docx文件壓縮成zip文件 #pf = zipfile.ZipFile('test.zip', 'w', zipfile.ZIP_STORED) #pf.write(newfile) def get_txt(): """解壓zip,并在work/temp/word/document.xml獲取文本內(nèi)容,進行正則替換標(biāo)簽等操作""" f = zipfile.ZipFile('test.zip', 'r') for file in f.namelist(): f.extract(file, "temp/") f = xml.dom.minidom.parse('./temp/word/document.xml') txt = re.sub(r'</w:t></w:r></w:p>', '\n', f.toxml()) print re.sub(r'<.*?>', '', txt) if __name__ == '__main__': create(newfile) get_txt()
以上是“基于Python如何獲取docx/doc文件內(nèi)容”這篇文章的所有內(nèi)容,感謝各位的閱讀!相信大家都有了一定的了解,希望分享的內(nèi)容對大家有所幫助,如果還想學(xué)習(xí)更多知識,歡迎關(guān)注億速云行業(yè)資訊頻道!
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進行舉報,并提供相關(guān)證據(jù),一經(jīng)查實,將立刻刪除涉嫌侵權(quán)內(nèi)容。