基于Python获取docx/doc文件内容代码解析
这篇文章主要介绍了基于Python获取docx/doc文件内容代码解析,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
整体思路:
下载文件并修改后缀为zip文件,解压zip文件,所要获取的内容在固定的文件夹下:work/temp/word/document.xml
所用包,全部是python自带,不需要额外下载安装.
# encoding:utf-8 import os import re import requests import zipfile import xml.dom.minidom newfile = 'test.docx' def create(newfile): """下载docx文件,并修改后缀为zip""" res = requests.get('https://www.cqjbfy.gov.cn/publiccenter/splc/mb/splc_gginfo.asp?newsid=28949') if not os.path.exists(newfile): f = open(newfile, 'wb') for chunk in res.iter_content(100000): f.write(chunk) f.close() os.rename(newfile, 'test.zip') 这种方法发现只能解决一部分doc文件,具体原因不得而知,有明白的欢迎留言 # 将doc/docx文件压缩成zip文件 #pf = zipfile.ZipFile('test.zip', 'w', zipfile.ZIP_STORED) #pf.write(newfile) def get_txt(): """解压zip,并在work/temp/word/document.xml获取文本内容,进行正则替换标签等操作""" f = zipfile.ZipFile('test.zip', 'r') for file in f.namelist(): f.extract(file, "temp/") f = xml.dom.minidom.parse('./temp/word/document.xml') txt = re.sub(r'</w:t></w:r></w:p>', '\n', f.toxml()) print re.sub(r'<.*?>', '', txt) if __name__ == '__main__': create(newfile) get_txt()
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持脚本之家。
相关文章
Python 中如何使用 virtualenv 管理虚拟环境
这篇文章主要介绍了Python 中使用 virtualenv 管理虚拟环境的方法,帮助大家更好的理解和使用python,感兴趣的朋友可以了解下2021-01-01Python通过matplotlib画双层饼图及环形图简单示例
这篇文章主要介绍了Python通过matplotlib画双层饼图及环形图简单示例,具有一定借鉴价值,需要的朋友可以参考下。2017-12-12Python源码学习之PyObject和PyTypeObject
今天给大家带来的是关于Python源码的相关知识学习,文章围绕着PyObject和PyTypeObject展开,文中有非常详细的介绍及代码示例,需要的朋友可以参考下2021-06-06Python图像滤波处理操作示例【基于ImageFilter类】
这篇文章主要介绍了Python图像滤波处理操作,结合实例形式分析了Python基于ImageFilter类实现的滤波处理相关操作技巧,需要的朋友可以参考下2019-01-01Python.append()与Python.expand()用法详解
今天小编就为大家分享一篇Python.append()与Python.expand()用法详解,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧2019-12-12
最新评论