python中的doc，rtf和txt閱讀器

Question

像csv.reader()一樣，是否還有其他功能可以讀取Python中的.rtf ， .txt和.doc文件？

Answer 1

您可以使用閱讀文本文件

txt = open("file.txt").read()

嘗試使用PyRTF獲取RTF文件。 我認為除非您在Windows上，否則讀取MS Word .doc文件的可能性很小，除非您可以使用某些本機MS接口讀取這些文件。 本文聲稱將展示如何編寫與Word交互的腳本。

Answer 2

嘗試為單詞和編寫者文檔做這種簡單的事情時，我感到非常頭疼。

有一個簡單的解決方案：在命令行上調用openoffice將目標文檔轉換為文本，然后將文本加載到Python中。

我嘗試的其他轉換工具產生的輸出不可靠，而其他Python oOo庫則過於復雜。

如果您只是想獲取文本以便進行處理，請在linux命令行上使用它：

soffice --headless --convert-to txt:Text /path_to/document_to_convert.doc

（如果要自動執行，請使用子流程從Python調用它）。

它將創建文本文件，您可以將其簡單地加載到python中。

（ 信用 ）

Answer 3

import win32com.client
if tmpFile.endswith('.xml') or tmpFile.endswith('.doc') or tmpFile.endswith('.docx'):
       app = win32com.client.Dispatch("Word.Application")
       app.Visible = False
       app.Documents.Open(tmpFile)
       doc = app.ActiveDocument

       docText = doc.Content.Text 
       print(docText)
       doc.Close()
       app.Quit()

Answer 4

csv是一種特定格式，因此您需要“解析器”才能讀取它。 正如您所提到的，這就是csv模塊所提供的。 文本文件（通常帶有.txt后綴）沒有任何固定的“格式”，因此您可以在open它們后閱讀它們（Jesse的答案提供了詳細信息）。 CSV文件通常是文本文件，因此您的區分不是很准確。

至於RTF，有很多。 有關詳細信息，請參見此答案 。 傑西提到的PyRTF東西似乎最受歡迎。

Microsoft Word文檔文件（通常帶有.doc后綴）是另一種野獸，因為該格式是專有的。 我對Python轉換器沒有太多經驗，但是有一些命令行轉換器（如wvHTML）可以做得不錯。 這個問題討論了很多。 也可以選擇讓MS-Word自己為您完成此操作。 提到了像Jesse這樣的COM接口。

Answer 5

有一個名為“ docx”的python模塊 ，可用於讀取.docx文件。 盡管您現在無法閱讀.doc，因為它已經過時了。

from docx import Document
doc = Document(filepath)
# Reading Data
data = doc.paragraphs
tables = doc.tables

你可以找到它這里 PyPI上。