docx2txt库怎么在Python中使用

这期内容当中小编将会给大家带来有关docx2txt库怎么在python中使用，文章内容丰富且以专业的角度为大家分析和叙述，阅读完这篇文章希望大家可以有所收获。

Python主要用来做什么

Python主要应用于：1、web开发；2、数据科学研究；3、网络爬虫；4、嵌入式应用开发；5、游戏开发；6、桌面应用开发。

安装

pip install docx2txt

运行

1、命令行运行

# extract textdocx2txt file.docx# extract text and imagesdocx2txt -i /tmp/img_dir file.docx

2、在python中调用

# extract textdocx2txt file.docx# extract text and imagesdocx2txt -i /tmp/img_dir file.docx

补充：python docx提取word中的目录及文本框中的文本

问题描述

python docx提取Word中的目录及文本框中的文本

解决方案

因未在docx库找到直接识别word中目录及文本框中文本的方法，所以采用了一个“笨”方法，docx库可以把word文档解析成xml格式，以解析xml的方式查找目录及文本框中文本，具体做法：

迭代出文档的所有element，其中目录的tag为“std”，找到它后提出他的所有文本即为目录文本；文本框的tag 为“textbox”，找到它后还要继续下钻寻找tag为 'r'的element,提取其文本则为文本框中文本。

# 提取word目录file = docx.Document(file_path)children = file.element.body.iter()child_iters = []for child in children: # 通过类型判断目录 if child.tag.endswith('main}sdt'):  for ci in child.iter():   if ci.text and ci.text.strip():    child_iters.append(ci)catalog = [ci.text for ci in child_iters]

# 提取word文本框中文本file = docx.Document(file_path)children = file.element.body.iter()child_iters = []for child in children: # 通过类型判断目录 if child.tag.endswith('textbox'):  for ci in child.iter():   if ci.tag.endswith('main}r'):    child_iters.append(ci)textbox = [ci.text for ci in child_iters]

文本域的标签，第一次找的是AlternateContent，后来发现对有些文本域失效；第二次又找到了pict，基本覆盖了测试的所有文本域；第三次把word文档的标签都找出来看了一下，发现textbox这个标签看着更靠谱，用它测试了一下，也能覆盖所有的测试文本域，决定就选择这个标签。

提取文本后，又有了新需求，提取的文本很多都不成句，呈短语或单词的形式，需要把提取的文本还原成段落形式：

file = docx.Document(file_path)children = file.element.body.iter()child_iters = []tags = []for child in children: # 通过类型判断目录 if child.tag.endswith(('AlternateContent','textbox')):  for ci in child.iter():   tags.append(ci.tag)   if ci.tag.endswith(('main}r', 'main}pPr')):    child_iters.append(ci)text = ['']for ci in child_iters : if ci.tag.endswith('main}pPr'):  text.append('') else:  text[-1] += ci.text ci.text = ''trans_text = ['***'+t+'***' for t in text]print(trans_text)i， k = 0, 0for ci in child_iters : if ci.tag.endswith('main}pPr'):  i += 1  k = 0 elif k == 0:  ci.text = trans_text[i]  k = 1file.save('E:test.docx')

上述就是小编为大家分享的docx2txt库怎么在Python中使用了，如果刚好有类似的疑惑，不妨参照上述分析进行理解。如果想知道更多相关知识，欢迎关注编程网Python频道。