Python：將目錄中的所有文件轉換為一個 .TXT？

Question

我一直在嘗試將一些 DOCX 文件轉換為 TXT。

它適用於使用以下代碼的單個文件：

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()

我嘗試了不同的選項（即 glob），但沒有設法讓它對文件夾中的所有文件執行上述操作。

理想情況下，輸出應該是 1 個大文本文件，而不是單獨的文件。 在下一步中，我需要對該文件中的 ID 進行一些格式化和分配。

感謝您的幫助！ 公司

Answer 1

使用file = open("copy.txt", "w")打開文件並用write()替換其內容。

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

使用file = open("copy.txt", "a+")您可以使用write()附加到現有文件，或者如果尚不存在則創建一個新文件。

要瀏覽文件夾中的所有文件，您可以遍歷它們：

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()