如何在pdf/python中將pdf，ppt，xl，doc文件內容讀入字符串

Question

請向我推薦任何內置命令或包？

Answer 1

試試這個：

$data = fopen('myfile.png', 'rb'); // read in binary mode. 

if ($data) { 
    header('Content-Type: image/png'); 
    fpassthru($data); 
} 

您應該相應改變content-type。

Answer 2

好吧，從網上找東西不應該太難。這裏有一個叫做pyPDF的Python。也檢查PyPi這些模塊。至於閱讀doc，ppt，xls文件，一種方法是使用COM。

Answer 3

「二進制」或實際文本中的內容？

在PHP讀取該文件爲「二進制」： http://php.net/manual/en/function.file.php

在蟒蛇： http://docs.python.org/tutorial/inputoutput.html#reading-and-writing-files

實際讀取文件的內容是一個很大的困難，需要additonall庫。比如看看SO（Python）上的這個問題： python convert microsoft office docs to plain text on linux