基于Python获取docx/doc文件内容代码解析
这篇文章主要介绍了基于Python获取docx/doc文件内容代码解析,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
整体思路：
下载文件并修改后缀为ｚｉｐ文件，解压ｚｉｐ文件，所要获取的内容在固定的文件夹下：work/temp/word/document.xml
所用包，全部是ｐｙｔｈｏｎ自带，不需要额外下载安装．
#encoding:utf-8
importos
importre
importrequests
importzipfile
importxml.dom.minidom
newfile='test.docx'
defcreate(newfile):
"""下载docx文件，并修改后缀为zip"""
res=requests.get('https://www.cqjbfy.gov.cn/publiccenter/splc/mb/splc_gginfo.asp?newsid=28949')
ifnotos.path.exists(newfile):
f=open(newfile,'wb')
forchunkinres.iter_content(100000):
f.write(chunk)
f.close()
os.rename(newfile,'test.zip')这种方法发现只能解决一部分doc文件,具体原因不得而知,有明白的欢迎留言
#将doc/docx文件压缩成ｚｉｐ文件
#pf=zipfile.ZipFile('test.zip','w',zipfile.ZIP_STORED)
#pf.write(newfile)
defget_txt():
"""解压zip，并在work/temp/word/document.xml获取文本内容，进行正则替换标签等操作"""
f=zipfile.ZipFile('test.zip','r')
forfileinf.namelist():
f.extract(file,"temp/")
f=xml.dom.minidom.parse('./temp/word/document.xml')
txt=re.sub(r'','\n',f.toxml())
printre.sub(r'<.*?>','',txt)
if__name__=='__main__':
create(newfile)
get_txt()
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持毛票票。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。