|
将内容从 Word 文档中提取出来可以方便我们对其进行其他操作,如将内容储存在数据库中、将内容导入到其他程序中、用于 AI 训练以及制作其他文档等。第三方库 Spire.Doc for Python 提供了一个简单的方法直接提取 Word 文档中的内容,包括文本和图片,而不需要大量的复制粘贴操作,也不需要复杂的代码。本文将介绍如何使用简单的代码实现从 Word 文档中提取文本和图片内容并保存。
- 从 Word 文档中提取文本内容并写入 TXT 文件
- 从 Word 文档中提取图片并保存
Python库安装: 在操作之前,需要先将Spire.Doc for Python 引入到项目中。可以下载后安装,或直接通过 pip 安装。
Python 提取Word文档中的文本内容
Spire.Doc for Python中的 Document.GetText() 方法可以获取Word文档中的所有文本并返回字符串,我们可以将返回的字符串写入到文本文件中进行保存。
代码示例:- from turtle import st
- from spire.doc import *
- from spire.doc.common import *
- def WriteAllText(fname:str,text:List[str]):
- fp = open(fname,"w")
- for s in text:
- fp.write(s)
- fp.close()
- inputFile = "示例.docx"
- outputFile = "获取的文本.txt"
-
- #创建Document的对象
- document = Document()
- #载入Word文档
- document.LoadFromFile(inputFile)
- #获取文档中的文本
- text = document.GetText()
- #将文本写入文本文件
- WriteAllText(outputFile, text)
- document.Close()
复制代码 提取结果
Python 提取Word文档中的图片
提取图片的操作相对复杂一些,需要判断文档元素子对象是否为图片或复合对象,如果是图片则保存,如果是复合对象则继续判断其中的子对象是否为图片。
代码示例:- import queue
- from spire.doc import *
- from spire.doc.common import *
- import os
- outputPath = "Images/"
- inputFile = "示例.docx"
- if not os.path.exists(outputPath):
- os.makedirs(outputPath)
- #创建Document的对象
- document = Document()
- #载入Word文档
- document.LoadFromFile(inputFile)
- #创建一个队列并将文档元素放入其中
- nodes = queue.Queue()
- nodes.put(document)
- #创建一个列表
- images = []
- #循环遍历文档元素
- while nodes.qsize() > 0:
- node = nodes.get()
- for i in range(node.ChildObjects.Count):
- #获取文档元素的子对象
- child = node.ChildObjects.get_Item(i)
- #判断子对象是否为图片
- if child.DocumentObjectType == DocumentObjectType.Picture:
- picture = child if isinstance(child, DocPicture) else None
- dataBytes = picture.ImageBytes
- #添加到列表中
- images.append(dataBytes)
- #判断子对象是否为复合对象
- elif isinstance(child, ICompositeObject):
- #添加到队列中
- nodes.put(child if isinstance(child, ICompositeObject) else None)
- #保存图片
- for i, item in enumerate(images):
- fileName = "Image-{}.png".format(i)
- with open(outputPath+fileName,'wb') as imageFile:
- imageFile.write(item)
- document.Close()
复制代码 提取结果:
以上是关于如何使用Python 从Word文档中提取文本和图片的介绍。该Python Word库还支持非常多的文档操作,具体可以查看 Spire.Doc for Python中文教程。
来源:https://www.cnblogs.com/Yesi/p/17911301.html
免责声明:由于采集信息均来自互联网,如果侵犯了您的权益,请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容,谢谢合作! |
本帖子中包含更多资源
您需要 登录 才可以下载或查看,没有账号?立即注册
x
|