Python：将目录中的所有文件转换为一个 .TXT？

Question

我一直在尝试将一些 DOCX 文件转换为 TXT。

它适用于使用以下代码的单个文件：

import docx    
def getText(filename):
    doc = docx.Document(filename)
    fullText = []
    for para in doc.paragraphs:
        fullText.append(para.text)
    return '\n'.join(fullText)

if __name__ == '__main__':
    filename='/content/drive/My Drive/path/file.DOCX';  #file name
    fullText=getText(filename)
    print (fullText)

file = open("copy.txt", "w") 
file.write(fullText) 
file.close()

我尝试了不同的选项（即 glob），但没有设法让它对文件夹中的所有文件执行上述操作。

理想情况下，输出应该是 1 个大文本文件，而不是单独的文件。 在下一步中，我需要对该文件中的 ID 进行一些格式化和分配。

感谢您的帮助！ 公司

Answer 1

使用file = open("copy.txt", "w")打开文件并用write()替换其内容。

使用file = open("copy.txt", "a")您可以使用write()附加到现有文件。 或者甚至更好：

使用file = open("copy.txt", "a+")您可以使用write()附加到现有文件，或者如果尚不存在则创建一个新文件。

要浏览文件夹中的所有文件，您可以遍历它们：

import os
import docx    

def getText(filename):
    doc = docx.Document(filename)
    fullText = []
    for para in doc.paragraphs:
        fullText.append(para.text)
    return '\n'.join(fullText)

if __name__ == '__main__':
    foldername='/content/drive/My Drive/path/';  #folder name
    all_files = os.listdir(foldername) #get all filenames
    docx_files =  [ filename for filename in all_files if filename.endswith('.docx') ] #get  .docx filenames

    file = open("copy.txt", "a+") 
    for docx_file in docx_files: #loop over .docx files
       fullText=getText(filename)
       file.write(fullText) 

    file.close()