Python 读取 Word 文档操作

 更新时间:2022年08月19日 15:04:43   作者:盼小辉丶  
这篇文章主要介绍了Python读取Word文档操作,文章围绕主题展开详细的内容介绍,具有一定的参考价值,需要的小伙伴可以参考一下

前言

Word 文档 (.docx) 是另一种主要用于存储文本的常见文档。它们通常由 Microsoft Office 创建和编辑,但也可以使用其他工具生成兼容文件。它们通常是共享可编辑文件的最常见格式,同时在分发文档时也非常常见。

Python 读取 Word 文档

安装 python-docx库

在本节中,我们将学习如何使用 Python 从 Word 文档中提取文本信息。我们主要使用 python-docx 库来读取和处理 Word 文档,其安装方法与其它第三方库完全相同:

$ pip install python-docx

首先,导入 python-docx 库:

>>> import docx

打开 document_1.docx 文件:

>>> doc = docx.Document('document_1.docx')

检查存储在 core_properties 中的元数据属性,需要访问 core_properties 属性。这些属性是为 Word 定义的文档元数据属性,例如作者或创建日期。但并非所有文档都具有这些元数据信息,因为许多生成 Word 文档的工具不一定会填充这些属性:

>>> doc.core_properties.title
'Research Overview of Adversarial Attacks and Defenses on Graphs'
>>> doc.core_properties.keywords
'Abstract'
>>> doc.core_properties.modified
datetime.datetime(2020, 8, 1, 3, 11)

Word 文档中最重要的特点是数据以段落(而不是页)的形式结构化。字体大小、段落缩进和其他因素都可能会使页数发生变化。检查段落数:

>>> len(doc.paragraphs)
28

浏览段落以检测包含文本的段落,大多数段落通常是空的,或者只包含换行符、制表符或其他空白字符,检查段落时我们通常跳过这些空段落:

>>> for index, paragraph in enumerate(doc.paragraphs):
...     if paragraph.text:
...             print(index, paragraph.text)=
...
0 图对抗攻防综述
1 摘 要:
3 关键字:
5 Research Overview of Adversarial Attacks and Defenses on Graphs
6 Abstract
7 Deep neural networks (DNNs) have been widely applied to various applications, including image classification, ...
8 ...
...
27 参考文献

可以利用 paragraphs 属性获取文档段落列表并提取原始格式的文本,这些文本不包括样式信息,通常是自动处理数据时最常用的属性。获取第 5 段和第 6 段的文本,分别对应第一页的标题和副标题:

>>> doc.paragraphs[5].text
'Research Overview of Adversarial Attacks and Defenses on Graphs'
>>> doc.paragraphs[6].text
'Abstract '

每个段落都有一个 runs 属性,这是具有不同样式属性的文本分割列表。检查不同文本段落是否为粗体或斜体:

>>> doc.paragraphs[5].runs[0].bold
True
>>> doc.paragraphs[5].runs[0].italic
>>> doc.paragraphs[6].runs[0].bold
>>> doc.paragraphs[6].runs[0].italic
True

在示例 Word 文档中,大多数段落只有一个 run (即每个段落使用相同的样式),但我们在第 7 段中文本具有许多不同的样式。例如,Deep neural networks 使用粗体样式,DNNs 使用斜体样式:

>>> run_0 = doc.paragraphs[7].runs[0]
>>> run_0.text
'Deep neural networks'
>>> run_0.bold
True
>>> run_13 = doc.paragraphs[7].runs[13]
>>> run_13.text
'DNNs'
>>> run_13.italic
True

到此这篇关于Python 读取 Word 文档操作的文章就介绍到这了,更多相关Python 读取 Word 文档内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

相关文章

  • python项目打包成exe和安装包的方法步骤

    python项目打包成exe和安装包的方法步骤

    本文主要介绍了python项目打包成exe和安装包的方法步骤,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
    2023-03-03
  • python 子类调用父类的构造函数实例

    python 子类调用父类的构造函数实例

    这篇文章主要介绍了python 子类调用父类的构造函数实例,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
    2020-03-03
  • Python3列表删除的三种方式实现

    Python3列表删除的三种方式实现

    本文主要介绍了Python3列表删除的三种方式实现,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
    2022-08-08
  • python OpenCV 图像通道数判断

    python OpenCV 图像通道数判断

    这篇文章主要介绍了python OpenCV 图像通道数判断,文章基于Python的相关内容展开对文章主题的详细介绍,需要的小伙伴可以参考一下
    2022-04-04
  • Python爬虫爬取百度搜索内容代码实例

    Python爬虫爬取百度搜索内容代码实例

    这篇文章主要介绍了Python爬虫爬取百度搜索内容代码实例,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
    2020-06-06
  • 浅析Python中线程以及线程阻塞

    浅析Python中线程以及线程阻塞

    这篇文章主要为大家简单介绍一下Python中线程以及线程阻塞的相关知识,文中的示例代码讲解详细,具有一定的学习价值,感兴趣的小伙伴可以了解一下
    2023-04-04
  • python 无监督生成模型的示例

    python 无监督生成模型的示例

    无监督生成模型在机器学习中扮演着重要角色,特别是当我们在没有标签数据的情况下想要生成新的样本或理解数据的内在结构时,这篇文章主要介绍了python 无监督生成模型的示例,需要的朋友可以参考下
    2024-07-07
  • Python 分析Nginx访问日志并保存到MySQL数据库实例

    Python 分析Nginx访问日志并保存到MySQL数据库实例

    这篇文章主要介绍了Python 分析Nginx访问日志并保存到MySQL数据库实例,需要的朋友可以参考下
    2014-03-03
  • numpy实现神经网络反向传播算法的步骤

    numpy实现神经网络反向传播算法的步骤

    这篇文章主要介绍了numpy实现神经网络反向传播算法的步骤,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
    2019-12-12
  • python实现批量提取指定文件夹下同类型文件

    python实现批量提取指定文件夹下同类型文件

    这篇文章主要为大家详细介绍了python实现批量提取指定文件夹下同类型文件,文中示例代码介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
    2021-04-04

最新评论