Python读取Word（.docx）正文信息的方法
更新时间：2018年03月15日 08:34:51 作者：0_蜡笔小熊_0
这篇文章主要为大家详细介绍了Python读取Word（.docx）正文信息的方法，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
本文介绍用Python简单读取*.docx文件信息，一些python-word库就是对这种方法的扩展。
介绍分两部分：
- Word(*.docx)文件简述
- Python提取Word信息
Word(*.docx)文件简述
大约在2008年以前，Office产品中Word用.doc文件格式，这种二进制格式很难与其他软件兼容。
为了跟上时代，微软采用类XML格式标准定义其新版Word文件.docx。
.docx实际上是一个zip的压缩文件，比如我们有一个test.docx的文件：
其内容如下：
改变其后缀名为test.zip，然后解压，会得到如下文件：
其中Word文件的正文内容被保持在word/document.xml中，我们可以打开查看：
Python提取Word信息
根据Word（.docx）文件格式，我们遵循如下步骤进行正文信息的提取：
1 解压.docx文件
2 用BeautifulSoup解析word/document.xml提取正文信息
具体代码如下：
from zipfile import ZipFile
from bs4 import BeautifulSoup
document=ZipFile('test.docx')
xml=document.read("word/document.xml")
wordObj=BeautifulSoup(xml.decode("utf-8"))
texts=wordObj.findAll("w:t")
for text in texts:
print(text.text)
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
这篇文章主要介绍了python读取word 中指定位置的表格及表格数据，本文通过实例代码给大家介绍的非常详细，具有一定的参考借鉴价值，需要的朋友参考下吧2019-10-10
Python OpenCV读取png图像转成jpg图像存储的方法
今天小编就为大家分享一篇Python OpenCV读取png图像转成jpg图像存储的方法，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2018-10-10
这篇文章主要介绍了Mac中PyCharm配置Anaconda环境的方法，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，需要的朋友们下面随着小编来一起学习学习吧2020-03-03
这篇文章主要介绍了tensorflow图像裁剪进行数据增强操作，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2020-06-06
今天小编就为大家分享一篇python获取文件真实链接的方法,针对于302返回码，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2018-05-05
解决pip install xxx报错SyntaxError: invalid syntax的问题
今天小编就为大家分享一篇解决pip install xxx报错SyntaxError: invalid syntax的问题，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2018-11-11
这篇文章主要为大家介绍了Python面向对象之模块，具有一定的参考价值，感兴趣的小伙伴们可以参考一下，希望能够给你带来帮助2021-12-12
关于Python 解决Python3.9 pandas.read_excel(‘xxx.xlsx‘)报错的问题
这篇文章主要介绍了关于Python 解决Python3.9 pandas.read_excel(‘xxx.xlsx‘)报错的问题,本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下2020-11-11
这篇文章主要介绍了Python常见的pandas用法,结合实例形式总结分析了Python使用pandas模块的常见操作技巧与相关注意事项,需要的朋友可以参考下2019-03-03
突然灵机一动，能不能用Python自动化脚本弹奏一曲美妙的钢琴曲呢？今天就一起带大家如何用Python实现自动化弹出一首《天空之城》有需要的朋友可以借鉴参考下2021-09-09
最新评论