主页 / 问题 / 563537
Accepted
Трезвый
Asked:2020-09-07 02:01:04 +0000 UTC2020-09-07 02:01:04 +0000 UTC

蟒蛇3。如何打开（获取数据）office文档（doc、odt等...）

  • 772

请告诉我如何 在 python3 中打开 odt、doc、docx、rtf 等办公文件并从中获取数据。至少很奇怪。

事实上，odt 和 docx 本质上是众所周知的档案，理论上您可以解压它们并查看 content.xml 文件（如果我没记错的话），但可能有更现代或更方便的方法。

我发现的只是创建 ods 表。

我找到了模块uno、pyoo 并且到处都描述了如何创建表，但我没有找到如何从 office 文档中获取数据。

任务是遍历目录（子目录）中存在的所有文件，查找或分析您需要的内容并将结果输出到单独的文件。

现在这是在 bash 中部分实现的，我想在 python3 中重写所有内容。

告诉我或演示如何搜索。

python-3.x

2 个回答

  1. 好吧，随便几个库：

    1. https://pypi.python.org/pypi/ezodf
    2. https://github.com/eea/odfpy

    当然，通过OpenOffice的服务来工作是一种比较正确的武士方式，但这至少需要一个“无头”的OpenOffice，但不一定可用。此外，在我看来，OpenOffice 服务在处理大量文件时的性能会令人失望，但您将获得完整的功能。

    顺便说一句，请记住，在使用 OpenOffice 时，您必须以 Java API 文档为指导，并使其适应 Python

    • 2
  2. Best Answer

    我会将其格式化为答案，这样我就不会搜索评论，如果图坦卡蒙不介意，如果你不介意，那么将它添加到你的答案中，我会删除我的。

    因此，问题是使用ezodf模块解决的（不是很多它的文档）。安装的时候，如果你同时有 2 和 3 版本的 python，请小心，对于第三个，我安装了 python3 setup.py install like this 。

    为清楚起见，一个小代码示例

    import ezodf
odt = ezodf.opendoc('/home/user/python/text.odt')
list=[]
# Запускаем цикл for  и перебираем все что нашли в файле)
for i in odt.body:
  if i.text == None:
    print('no')
  else:
    list.extend(re.findall(r"[\w']+", i.text.lower()))

    让我解释一下，我使用i.text 而不是i.plaintext()来捕捉几行具有None值的行（显然是一些服务数据，我不明白），只是plaintext()将空元素添加到列表中并在那一刻在我看来，通过文字 会更快，但我可以在早上重新考虑）

    在这里list.extend(re.findall(r"[\w']+", i.text.lower())) - 我附加到现有列表列表或什至如此，从而扩展现有列表列表。我选择所有带有正则表达式的单词（文档中的每个单词都放入列表中），对它们应用小写字母，仅此而已。

    所以这只是一部分，因此可能看起来不太好，还有很多可以添加的，但至少现在清楚了如何阅读文档。

    感谢 图坦卡蒙的提示。

    • 0

相关问题