Python textract ImportError

Question

我已經開始使用Python庫textract來解析PowerPoint（ .pptx），Word文檔（ .docx）和文本文件（* .txt）中的文本。 我寫了一個簡單的腳本來測試它。

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

當我在命令行或空閑狀態下運行它時，我會得到回溯，最后幾行是：

文件：“ C：... \\ textract \\ parsers \\ docx_parser.py”，導入docx2txt中的第1行ImportError：沒有名為docx2txt的模塊

我正在使用從https://pypi.python.org/pypi/textract下載的1.5.0版本。 我不知道為什么它不包含任何依賴項。 我是否需要安裝docx2txt及其后續依賴項？ 為什么textract軟件包不包含我需要的一切？

Answer 1

我建議使用pip install xxx來安裝模塊。 它將安裝在通常由python查找的路徑中。 它也應該照顧依賴性。

如果您是手動安裝或只是將其解壓縮到晚餐文件夾，則正確設置路徑，如此處所述如何在Windows 7中添加至pythonpath？ 或Python-Linux中的PYTHONPATH

如果您認為設置正確，則發布其值，密碼等。

Answer 2

textract不會自動為其支持的所有文件類型安裝依賴項。 您可以有選擇地安裝您感興趣的產品。

盡管這並不像人們想象的那么優雅，但我認為這是合適的設計選擇。 Python沒有按需安裝依賴項的能力，因此唯一的選擇是textract安裝所有十幾個或更多可能的依賴項，這往往會使您的Python環境膨脹。

因此，正如Kashyap所提到的，在這種情況下，適當的操作是：

pip install python-docx

對於可能需要的任何其他文件類型依賴關系，也是如此。

Answer 3

這對我有用

打開終端，然后按如下所示鍵入它們，

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

如果您遇到任何錯誤，請在下面嘗試

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