文檔，RTF和TXT蟒讀者

Question

像csv.reader()在那裏它可以在Python閱讀.rtf，.txt，.doc文件的任何其他功能呢？

Answer 1

您可以閱讀

txt = open("file.txt").read() 

一個文本文件，嘗試PyRTF爲RTF文件。我認爲閱讀MS Word .doc文件是不太可能的，除非你在Windows上，並且你可以使用一些本地MS接口來閱讀這些文件。 This article聲稱顯示如何編寫與Word接口的腳本。

Answer 2

csv是一種特定的格式，所以你需要一個「解析器」來閱讀它。這就是你提到的csv模塊所提供的。文本文件（通常後綴爲.txt）沒有任何固定的「格式」，因此您可以在open之後閱讀它們（Jesse的答案給出了詳細信息）。 CSV文件通常是文本文件，因此您的區別不是很準確。

至於RTF，有一堆。詳細信息請參見this answer。 Jesse提到的PyRTF事物似乎是最受歡迎的。

Microsoft Word文檔文件（通常後綴爲.doc）是另一種野獸，因爲格式是專有的。我對Python轉換器沒有太多的經驗，但是有一些命令行的（如wvHTML）可以做一些體面的工作。 This question討論了不少。也有選擇讓MS-Word本身爲你做。像Jesse這樣的COM接口已經提到過。

Answer 3

我有一個真正的頭痛試圖做這個簡單的事情的單詞和作家文件。

有一個簡單的解決方案：在命令行調用openoffice將目標文檔轉換爲文本，然後將文本加載到Python中。

其他轉換工具我嘗試過產生不可靠的輸出，而其他Python ooo庫太複雜。

如果你只是想在文本得到這樣你就可以處理它，用這個Linux命令行：

soffice --headless --convert-to txt:Text /path_to/document_to_convert.doc 

（使用子，如果你想自動從Python中調用它）。

它會創建文本文件，你可以簡單地加載到Python。

（Credit）

Answer 4

import win32com.client 
if tmpFile.endswith('.xml') or tmpFile.endswith('.doc') or tmpFile.endswith('.docx'): 
     app = win32com.client.Dispatch("Word.Application") 
     app.Visible = False 
     app.Documents.Open(tmpFile) 
     doc = app.ActiveDocument 

     docText = doc.Content.Text 
     print(docText) 
     doc.Close() 
     app.Quit() 

Answer 5

有一個叫Python模塊'DOCX'，你可以用它來閱讀的.docx文件。你將無法閱讀.doc，因爲它現在幾乎已經過時了。

from docx import Document 
doc = Document(filepath) 
# Reading Data 
data = doc.paragraphs 
tables = doc.tables 

你可以在Pypi上找到它Here。