讀取DOCX與python2.7

Question

我試圖讀取DOCX文件，用下面的代碼文件：

from docx import Document 
doc = Document('test.docx') 

但是，當我嘗試打印它，我得到這個：

<docx.api.Document object at 0x02952C70> 

如何讀取文件內的內容？

我看到最近更改了docx，所以舊的問題/答案不再適用。

Answer 1

它可以不使用docx模塊提取使用Python的Word文件的信息。 One solution, (there are many), from etienne是docx的一個非常基本的版本，它可能會刪除您收到的十六進制數字。但是，就像SebasSBM的回答一樣，它不適用於其他功能，比如表格等。

如果仍然不起作用，我會建議看看these answers;也許其中一個仍然與您的新docx格式相關。

Answer 2

退房這裏的文檔對象的結構：

Source code for docx.api

例如，如果你想獲得的財產「段落」：

doc = Document('test.docx') 
paragraphs = doc.paragraphs() 

我希望這將有助於。

編輯：我已經在python-docx's gitHub repository發現這個片斷和編輯它一點點的位置：

document = docx.Document(filename) 
docText = '\n\n'.join([ 
    paragraph.text.encode('utf-8') for paragraph in document.paragraphs 
]) 
print docText 

的加入（）函數接收返回的數組中的UTF-8從段落編碼字符串列表由段落財產。所以結果如下：

paragraph 1 

paragraph 2 

paragraph 3 

它看起來像這樣，但它不打印表格，頁眉或頁腳。

編輯：這個鏈接是有關Python-DOCX所有文件的主要指標：

python-docx 0.7.4 documentation