python中的doc_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'', '\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。

python中的doc_基于Python获取docx/doc文件内容代码解析相关推荐

Python2　获取docx/doc文件内容
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． ...
Go如何自动解压缩包？如何读取docx/doc文件内容？
在开发过程中,我们常常需要处理压缩包和文档文件.本文将介绍如何使用Go语言自动解压缩包和读取docx/doc文件. 一.解压缩包压缩包格式常见的压缩包格式有zip.gzip.bzip2等.在Go语 ...
python中的tkinter_基于python中tkinter的计算机实现
一.源代码 import tkinter as tk class Calculator(tk.Tk): def __init__(self): tk.Tk.__init__(self) self.ti ...
python中心性评价_centrality 计算复杂网络中的节点或边数中心性，基于python的工具箱 matlab 238万源代码下载- www.pudn.com...
文件名称: centrality下载收藏√ [ 5 4 3 2 1 ] 开发工具: Python 文件大小: 101 KB 上传时间: 2014-03-13 下载次数: 4 详细说明:计算 ...
Python之GUI：基于Python的GUI界面设计的一套AI课程学习(机器学习、深度学习、大数据、云计算等)推荐系统(包括语音生成、识别等前沿黑科技)
Python之GUI:基于Python的GUI界面设计的一套AI课程学习(机器学习.深度学习.大数据.云计算等)推荐系统(包括语音生成.识别等前沿黑科技) 导读基于Python的GUI界面设计的一套 ...
python中求最小公约数,python求最大公约数和最小公倍数的简单方法
python求最大公约数和最小公倍数的简单方法 python怎么求最大公约数和最小公倍数一.求最大公约数用辗转相除法求最大公约数的算法如下: 两个正整数a和b(a>b),它们的最大公约数等于 ...
Python数据分析初探项目基于Python数据可视化的网易云音乐歌单分析系统大学编程作业（TUST 天津科技大学 2022年）
Python 数据分析初探项目基于 Python 数据可视化的网易云音乐歌单分析系统大学编程作业(TUST 天津科技大学 2022 年) Python 数据分析初探项目基于 Python 数据可 ...
【Python文本处理】基于运动路线记录GPX文件解析，心率、速度、时间、功率、踏频、海拔等参数的生成和更改，以及GPX循环拼接
[Python文本处理]基于运动路线记录GPX文件解析,心率.速度.时间.功率.踏频.海拔等参数的生成和更改,以及GPX循环拼接 GPX文件本身其实就是坐标.海拔.时间.心率等综合性的xml文件如图 ...
【Python文本处理】基于运动路线记录GPX文件的基础运动速度求解，并转为SRT字幕格式（不需要安装三方库）
[Python文本处理]基于运动路线记录GPX文件的基础运动速度求解,并转为SRT字幕格式(不需要安装三方库) 解析 GPX文件格式 GPX文件本身其实就是坐标.海拔.时间.心率等综合性的xml文件 ...

python中的doc_基于Python获取docx/doc文件内容代码解析

python中的doc_基于Python获取docx/doc文件内容代码解析相关推荐

最新文章

热门文章