使用python-docx模块解析docx文档

python中有python-docx及pypiwin32模块处理docx文件，python-docx模块跨平台性好，但是只能解析.docx文件，不能解析.doc文件，其可以按照段落读取word。pypiwin32模块可以处理.doc及.docx文件，但是仅限windows平台，它还可以将.doc文件转化为.docx文件，然后使用python-docx模块进行处理。

download_document.py

将网上的doc文件下载到本地，使用pypiwin32模块将其转化为docx文件

import osimport requests
import win32com.client as wc
from parse_docx import *url = "http://www.bjshy.gov.cn/ggzyjy/u/cms/com.ggzyjy.www/202110/14180513poiq.doc"file_name = url.split('/')
# print("file_name=",file_name[-1])# #拼接下载文件的路径，并将响应内容写入本地文件
download_file_path = os.path.join(DOC_DIR,file_name[-1])
response = requests.get(url)
with open(download_file_path,'wb') as f:f.write(response.content)#获取doc文件路径并将其转为docx文件存到本地
for file in os.listdir(DOC_DIR):if file.endswith('.doc'):print("file=",file)#拼接转化为docx文件的文件名称file_name = file.split('.')[0]print("file_name=", file_name)name = file_name + ".docx"doc_file_path = os.path.join(DOC_DIR,file)print("doc_file_path=",doc_file_path)#doc文件另存为docx文件处理word = wc.Dispatch("Word.Application")doc = word.Documents.Open(doc_file_path)# print("doc=",doc)   #doc= 14180513poiq.doc# print("type(doc)=",type(doc))   #type(doc)= <class 'win32com.client.CDispatch'>#拼接docx文件保存的本地路径docx_file_path = os.path.join(DOCX_DIR,name)doc.SaveAs(docx_file_path,12)doc.Close()word.Quit()

parse_docx.py

#解析本地docx文件中的内容，输出每个段落及表格中的内容

import os
import docx
BASE_DIR = os.path.dirname(os.path.abspath(__file__))
print("BASE_DIR=",BASE_DIR)DOC_DIR = os.path.join(BASE_DIR,'doc')DOCX_DIR = os.path.join(DOC_DIR,'docx')FILE1_DIR = os.path.join(DOC_DIR,'file1')
print("FILE1_DIR=",FILE1_DIR)def get_file_name(file_dir):for root,dirs,files in os.walk(file_dir):print("root=",root)print("dirs=",dirs)print("files=",files)  #files= ['xxx.docx']return files[0]if __name__ == "__main__":file_name = get_file_name(FILE1_DIR)print("file_name=", file_name)file1_path = os.path.join(FILE1_DIR, file_name)print("file1_path", file1_path)file_content = docx.Document(file1_path)print("file_content=", file_content)#读取word文档中段落的内容for p in file_content.paragraphs:print("p.text=", p.text)#读取word文档中表格中的内容for table in file_content.tables:print("table=",table)for row in table.rows:for cell in row.cells:print("cell.text=",cell.text)#方法二# for table in file_content.tables:#     print("table=",table)#     #行列个数#     row_count = len(table.rows)#     col_count = len(table.columns)#     print("row_count=",row_count)#     print("col_count=",col_count)#     for i in range(row_count):#         for j in range(col_count):#             print("cell.text=",table.cell(i, j).text)

使用python-docx模块解析docx文档相关推荐

python之HTMLParser解析HTML文档
HTMLParser是Python自带的模块,使用简单,能够很容易的实现HTML文件的分析. 本文主要简单讲一下HTMLParser的用法. 使用时需要定义一个从类HTMLParser继承的类,重定义 ...
python安装模块(官网文档)
https://docs.python.org/zh-cn/3/tutorial/venv.html# https://packaging.python.org/tutorials/installin ...
python 如何查看模块所有方法-Python 查看模块的帮助文档，方法和帮助信息
参考链接:https://blog.csdn.net/u013810296/article/details/55509284 这里介绍下python自带的查看帮助功能,可以在编程时不中断地迅速找到所需 ...
python 查看已经安装的模块_教你用Python查看模块的帮助文档，方法和帮助信息...
这里介绍下python自带的查看帮助功能,可以在编程时不中断地迅速找到所需模块和函数的使用方法查看方法通用帮助函数help() python中的help()类似unix中的man指令,熟悉后会对我 ...
使用python,xlwing模块解决excel文档加密
废话不多说,直接上代码 import xlwingsapp = xlwings.App() app.visible = False ex = app.books.open("ceshi.xl ...
C#解析Markdown文档，实现替换图片链接操作
前言又是好久没写博客了其实也不是没写,是最近在「做一个博客」,从2月21日开始,大概一个多星期的时间,疯狂刷进度,边写代码边写了一整系列的博客开发笔记,目前为止已经写了16篇了,然后上3月之后工作 ...
python 解析html 模块_使用 Python 模块—— HTMLParser 解析 HTML 文档元素
标签: 这个文档定义了一个 HTMLParser 类作为解析 HTML 文档的基础. HTMLParser 类的实例可以存储并调用方法来处理 HTML 标签和数据. 我们一般通过建立一个 HTMLPa ...
python中docx模块的使用_python使用docx模块读写docx文件的方法与docx模块常用方法详解...
一,docx模块 Python可以利用python-docx模块处理word文档,处理方式是面向对象的.也就是说python-docx模块会把word文档,文档中的段落.文本.字体等都看做对象,对对象 ...
python使用docx模块读写docx文件的方法与docx模块常用方法
一,docx模块 python可以利用python-docx模块处理word文档,处理方式是面向对象的.也就是说python-docx模块会把word文档,文档中的段落.文本.字体等都看做对象,对对象 ...
python下载图片到文件夹_python实现解析markdown文档中的图片，并且保存到本地~
背景前阵子简书好像说是凉了,搞得我有点小慌,毕竟我的大部分博客都是放在简书上面的,虽然简书提供了打包导出功能,但是只能导出文字,图片的话还是存在简书服务器上面,再加上我一直想要重新做一个个人博客,于 ...

使用python-docx模块解析docx文档

使用python-docx模块解析docx文档相关推荐

最新文章

热门文章