如何從Python使用doc/docx文件提取數據

我知道那裏有類似的問題，但我找不到可以回答我的祈禱的東西。我需要的是從MS-Word文件訪問某些數據並將其保存在XML文件中的方法。閱讀python-docx沒有幫助，因爲它似乎只允許一個人寫入Word文檔，而不是閱讀。準確地呈現我的任務（或我如何選擇接近我的任務）：我想在文檔中搜索關鍵詞或短語（文檔包含表格），並從表格中提取關鍵詞/短語被發現。有人有什麼想法嗎？如何從Python使用doc/docx文件提取數據

來源

2014-03-31 Stefan Urziceanu

我不得不做類似於xls/xlsx文件的事情，但是這很容易，因爲有openpyxl庫，它允許用戶使用Excel Spreadsheets來做很多事情。但似乎在Python中使用doc/docx文件的支持較少。 –

似乎pywin32的伎倆。您可以迭代文檔中的所有表格以及表格內的所有單元格。獲取數據有點棘手（每個條目的最後2個字符必須省略），否則，這是一個10分鐘的代碼。如果有人需要更多的細節，請在評論中說明。

來源

2014-04-08 06:54:21

您是否可以發佈一個簡單的例子代碼來做到這一點？（即，選擇表並將內容讀取到變量，例如）謝謝 – dasen

@dasen [Here]（http://stackoverflow.com/questions/31553179/writing-a-pandas-dataframe-to-a-word- document-table-via-pywin32） – dashesy

在文檔中搜索與Python，DOCX

# Import the module 
from docx import * 

# Open the .docx file 
document = opendocx('A document.docx') 

# Search returns true if found  
search(document,'your search string')

你也有一個函數來獲取文檔的文本：

https://github.com/mikemaccana/python-docx/blob/master/docx.py#L910

# Import the module 
from docx import * 

# Open the .docx file 
document = opendocx('A document.docx') 
fullText=getdocumenttext(document)

使用https://github.com/mikemaccana/python-docx

來源

2014-03-31 08:36:07 edi9999

如果您要使用docx抓取表格中的單元格，請確保您閱讀以避免出現性能問題：https://github.com/python-openxml/python-docx/issues/174 – Soferio

docx是一個包含文檔XML的zip文件。您可以打開zip文件，閱讀文檔並使用ElementTree解析數據。

這種技術的優點是你不需要任何額外的Python庫安裝。

import zipfile 
import xml.etree.ElementTree 

WORD_NAMESPACE = '{http://schemas.openxmlformats.org/wordprocessingml/2006/main}' 
PARA = WORD_NAMESPACE + 'p' 
TEXT = WORD_NAMESPACE + 't' 
TABLE = WORD_NAMESPACE + 'tbl' 
ROW = WORD_NAMESPACE + 'tr' 
CELL = WORD_NAMESPACE + 'tc' 

with zipfile.ZipFile('<path to docx file>') as docx: 
    tree = xml.etree.ElementTree.XML(docx.read('word/document.xml')) 

for table in tree.iter(TABLE): 
    for row in table.iter(ROW): 
     for cell in row.iter(CELL): 
      print ''.join(node.text for node in cell.iter(TEXT))

看到我的計算器答案How to read contents of an Table in MS-Word file Using Python?更多的細節和引用。

來源

2016-05-09 01:42:37

請不要發佈鏈接只回答其他Stack Exchange問題。相反，在這裏包括答案的重要部分，並*定製這個具體問題的答案。* – JAL

如何從Python使用doc/docx文件提取數據

回答

相關問題