溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
本文介紹用Python簡單讀取*.docx文件信息，一些python-word庫就是對這種方法的擴展。
介紹分兩部分：
Word(*.docx)文件簡述
大約在2008年以前，Office產品中Word用.doc文件格式，這種二進制格式很難與其他軟件兼容。
為了跟上時代，微軟采用類XML格式標準定義其新版Word文件.docx。
.docx實際上是一個zip的壓縮文件，比如我們有一個test.docx的文件：
其內容如下：
改變其后綴名為test.zip，然后解壓，會得到如下文件：
其中Word文件的正文內容被保持在word/document.xml中，我們可以打開查看：
Python提取Word信息
根據Word（.docx）文件格式，我們遵循如下步驟進行正文信息的提取：
1 解壓.docx文件
2 用BeautifulSoup解析word/document.xml提取正文信息
具體代碼如下：
from zipfile import ZipFile
from bs4 import BeautifulSoup
document=ZipFile('test.docx')
xml=document.read("word/document.xml")
wordObj=BeautifulSoup(xml.decode("utf-8"))
texts=wordObj.findAll("w:t")
for text in texts:
print(text.text)
以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持億速云。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
