python之四种方式读取文档

第一种：读取纯文本

1：代码

# coding=utf-8
"""
@author: jiajiknag
程序功能： 读取txt文件
"""
# 导包
from bs4 import BeautifulSoup
from urllib.request import urlopen
# 要读取文档
texPage= urlopen("http://www.pythonscraping.com/pages/warandpeace/chapter1-ru.txt")
# 编码输出
print(str(texPage.read(),'utf-8'))

2：结果

第二种：读取csv文件

1：代码

# coding=utf-8
"""
@author: jiajiknag
程序功能： 读取csv文件
"""
from urllib.request import urlopen
from io import StringIO
import csv
# csv文件
data = urlopen("http://pythonscraping.com/files/MontyPythonAlbums.csv").read().decode('ascii', 'ignore')
# 封装成StringIO对象
dataFile = StringIO(data)
# csvReader = csv.reader(dataFile)
# 读取
dictReader = csv.DictReader(dataFile)
# 输出
print(dictReader.fieldnames)for row in dictReader:print(row)#print("\nThe album \"" + row[0] + "\" was released in " + str(row[1]))

2：结果

第三种：读取PDF文件

1：代码

# coding=utf-8
"""
@author: jiajiknag
程序功能： 读取PDF文件注释：readPDF函数最大的好处是，如果你的PDF文件在电脑里，你就可以直接把urlopen返回的对象pdfFile替换成普通的open()文件对象：
pdfFile = open("../pages/warandpeace/chapter1.pdf", 'rb')"""
from urllib.request import urlopen
from pdfminer.pdfinterp import PDFResourceManager,process_pdf
from pdfminer.converter import TextConverter
from pdfminer.layout import LAParams
from io import StringIO
from io import open# 创建一个读取pdf函数
def readPDF(pdfFile):# 创建对象# 解析PDFrsrcmgr = PDFResourceManager()# 创建StringIO对象retstr = StringIO()laparams = LAParams()device = TextConverter(rsrcmgr, retstr,laparams=laparams)process_pdf(rsrcmgr, device,pdfFile)# 关闭device.close()# 利用restr.getvalue()转换为文件对象content = retstr.getvalue()# 转换文成之后关闭retstr.close()pdfFile = urlopen("http://pythonscraping.com/pages/warandpeace/chapter1.pdf")
# 读取文件
outputString = readPDF(pdfFile)
# 输出
print(outputString)
# 关闭
pdfFile.close()

2：结果

第四种：读取word文件和.docx文件

1：代码

# coding=utf-8
"""
@author: jiajiknag
程序功能：
"""
from zipfile import ZipFile
from urllib.request import urlopen
from io import BytesIO
from bs4 import BeautifulSoup
"""
这段代码把一个远程Word文档读成一个二进制文件对象（BytesIO与本章之前用的
StringIO类似），再用Python的标准库zipfile解压（所有的.docx文件为了节省空间都
进行过压缩），然后读取这个解压文件，就变成XML了。
"""wordFile = urlopen("http://pythonscraping.com/pages/AWordDocument.docx").read()
wordFile = BytesIO(wordFile)
document = ZipFile(wordFile)
xml_content = document.read('word/document.xml')wordobj = BeautifulSoup(xml_content.decode('utf-8'))
textStrings = wordobj.findAll("w:t")for textElem in textStrings:closeTag = ""try:style = textElem.parent.previousSibling.find("w:pstyle")if style is not None and style["w:val"] == "Title":print("<h1>")closeTag = "</h1>"except AttributeError:# 不打印标签passprint(textElem.text)print(closeTag)

2：结果

python之四种方式读取文档相关推荐

《python网络数据采集》读后感第六章：读取文档
1.文档编码: 文档编码是一种告诉程序--无论是计算机的操作系统还是 Python 代码--读取文档的规则.文档编码的方式通常可以根据文件的扩展名进行判断,虽然文件扩展名并不是由编码确定的,而是由 ...
扫描二维码读取文档_使用深度学习读取和分类扫描的文档
扫描二维码读取文档 To many people's dismay, there is still a giant wealth of paper documents floating out the ...
PyPDF2--如何使用python操作你的PDF文档
PyPDF2–如何使用python操作你的PDF文档前言大家好!最近想操作一下PDF文档,总是收费,于是浅尝辄止地了解了一下python当中的PyPDF2这个库.借助本篇博客总结了一下个人所学到的 ...
如何使计算机为您读取文档
Since the beginning of the computer age, people have always enjoyed making computers talk to them. T ...
悉数11种主流NoSQL文档型数据库
悉数11种主流NoSQL文档型数据库文档型数据库是NoSQL中非常重要的一个分支,它主要用来存储.索引并管理面向文档的数据或者类似的半结构化数据.顾名思义,文档型数据库(面向文档数据库)的关键核心概 ...
python处理word或者pdf文件_利用python程序生成word和PDF文档的方法
一.程序导出word文档的方法将web/html内容导出为world文档,再java中有很多解决方案,比如使用Jacob.Apache POI.Java2Word.iText等各种方式,以及使用fr ...
Python批量处理lrmx格式文档内指定内容
Python批量处理lrmx格式文档内指定内容实现代码: import glob import random xing = [ '赵', '钱', '孙', '李', '周', '吴', '郑', ...
ABBYY FastML：一种用于大型文档流处理的客户端机器学习新方案。
我们的客户经常要处理大都非常相似却又不尽相同的大型文档流.鉴于每年处理如此之多的信息日益显得繁琐,我们提出了一个将此任务高精度自动化的技术解决方案. 不妨设想一下,有来自数百家合同方的数万张发票等待处 ...
python处理word_python处理word文档
来源 https://zhuanlan.zhihu.com/p/21643475 本系列文章将介绍如何使用Python读写主要Microsoft Office文档(Word,Excel和PowerPo ...

python之四种方式读取文档

python之四种方式读取文档

第一种：读取纯文本

第二种：读取csv文件

第三种：读取PDF文件

第四种：读取word文件和.docx文件

python之四种方式读取文档相关推荐

最新文章

热门文章