Python textract ImportError

Question

我已经开始使用Python库textract来解析PowerPoint（ .pptx），Word文档（ .docx）和文本文件（* .txt）中的文本。 我写了一个简单的脚本来测试它。

# Python textract test script
import textract
textract.process("H:\My Documents\Test.docx")

当我在命令行或空闲状态下运行它时，我会得到回溯，最后几行是：

文件：“ C：... \\ textract \\ parsers \\ docx_parser.py”，导入docx2txt中的第1行ImportError：没有名为docx2txt的模块

我正在使用从https://pypi.python.org/pypi/textract下载的1.5.0版本。 我不知道为什么它不包含任何依赖项。 我是否需要安装docx2txt及其后续依赖项？ 为什么textract软件包不包含我需要的一切？

Answer 1

我建议使用pip install xxx来安装模块。 它将安装在通常由python查找的路径中。 它也应该照顾依赖性。

如果您是手动安装或只是将其解压缩到晚餐文件夹，则正确设置路径，如此处所述如何在Windows 7中添加至pythonpath？ 或Python-Linux中的PYTHONPATH

如果您认为设置正确，则发布其值，密码等。

Answer 2

textract不会自动为其支持的所有文件类型安装依赖项。 您可以有选择地安装您感兴趣的产品。

尽管这并不像人们想象的那么优雅，但我认为这是合适的设计选择。 Python没有按需安装依赖项的能力，因此唯一的选择是textract安装所有十几个或更多可能的依赖项，这往往会使您的Python环境膨胀。

因此，正如Kashyap所提到的，在这种情况下，适当的操作是：

pip install python-docx

对于可能需要的任何其他文件类型依赖关系，也是如此。

Answer 3

这对我有用

打开终端，然后按如下所示键入它们，

python -m venv env 
source ./env/bin/activate
sudo apt update
sudo apt install python-pip && pip install --upgrade pip
sudo apt install python-dev libxml2-dev libxslt1-dev antiword unrtf poppler-utils pstotext tesseract-ocr flac ffmpeg lame libmad0 libsox-fmt-mp3 sox libjpeg-dev swig
pip install textract

如果您遇到任何错误，请在下面尝试

pip install https://pypi.python.org/packages/ce/c7/ab6cd0d00ddf8dc3b537cfb922f3f049f8018f38c88d71fd164f3acb8416/SpeechRecognition-3.6.3-py2.py3-none-any.whl
sudo apt install libpulse-dev
pip install textract