python - 如何使用 Python 从 azure blob 读取 docx 文件

Question

如何使用 Python 从 azure blob 读取 docx 文件？ 我使用以下代码，但最后，blob_content 包含所有不可读的字符。此代码适用于 txt 文件，但不适用于 MS Word 文档 (*.docx)。

如果有解决办法请帮忙。

blob_service_client_instance = BlobServiceClient(account_url=STORAGEACCOUNTURL, credential=STORAGEACCOUNTKEY)
blob_client_instance = blob_service_client_instance.get_blob_client(container_name, blob_name, snapshot=None)
blob_download = blob_client_instance.download_blob()
blob_content = blob_download.readall().decode('utf-8')

Answer 1

我在我的环境中进行了尝试并得到了以下结果:

最初，我尝试使用这段代码通过 Visual Studio 代码从 azure blob 存储读取 docx 文件。

在门户中，我在 azure blob 存储中有一个 docx 文件

from  azure.storage.blob  import  BlobServiceClient

client=BlobServiceClient.from_connection_string("<Connection string>")
serviceclient = client.get_container_client("test")
bc = serviceclient.get_blob_client(blob="sample.docx")
   with open("sample.docx", 'wb') as file:
data = bc.download_blob()
file.write(data.readall())

上述代码有效并从 azure blob 存储下载了 docx 文件。 当我尝试打开该文件时，它是源代码编辑器而不是 docx 代码编辑器。

控制台:

在我使用一段代码读取从 azure blob 存储下载的 docx 文件之后。

代码:

import  docx
doc = docx.Document("<path of the downloaded file >")
all_paras = doc.paragraphs
for  para  in  all_paras:
print(para.text)

控制台: 执行上述代码后，我能够成功读取docx文件。