我正在尝试用 python 读取 .doc
文件,但由于操作系统依赖性,我不想使用 texttract 。另外,我不想使用 docx2txt ,因为据我了解,它不读取 .doc ,而只读取 .docx 文件。
是否有类似的模块,或者甚至可以在没有库支持的情况下实现?
最佳答案
一种方法是使用 Python 的 win32com 模块。 win32 可以使用 pip 命令 pip install pywin32
下载。这可以读取 .doc 文档并返回文本。试试这个:
import win32com.client
word = win32com.client.Dispatch("Word.Application")
word.visible = False
wb = word.Documents.Open(r"C:\Users\eesam\OneDrive\Documents\Eesa\Paper.doc")
doc = word.ActiveDocument
print(doc.Range().Text)
另一种方法是使用 BeautifulSoup,但这种方法可能会有点问题:
from bs4 import BeautifulSoup as bs
soup = bs(open(r"C:\Users\eesam\OneDrive\Documents\Eesa\Paper.doc", encoding="ISO-8859-1").read())
[s.extract() for s in soup(['style', 'script'])]
tmpText = soup.get_text()
text = "".join("".join(tmpText.split('\t')).split('\n')).strip()
print(text)
关于python - 如何使用 python 而不是 Docx 读取 doc 文件,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/65774929/