如何使用Python从doc / docx文件中提取数据
我知道那里也有类似的问题，但是我找不到能回答我的祷告的东西。我需要的是一种从MS-Wordhtml" target="_blank">文件访问某些数据并将其保存在XML文件中的方法。在python-
docx
上阅读无济于事，因为它似乎只允许一个人写入Word文档，而不是阅读。要准确呈现我的任务（或我选择如何执行任务的方式）：我想在文档中搜索关键字或短语（文档包含表格），并从关键字/短语所在的表格中提取文本数据找到了。有人有什么想法吗？
问题答案：
似乎pywin32可以解决问题。您可以遍历文档中的所有表以及表中的所有单元格。获取数据有点棘手（必须省略每个条目的最后两个字符），否则，它是一个十分钟的代码。如果有人需要其他详细信息，请在评论中说明。
-
问题内容： 在某些情况下，我们可能需要从Word文档中获取文本以供将来在用户上传的文档中搜索字符串，例如在cv / resumes中进行搜索，并出现一个常见的问题，即如何获取文本，打开并阅读用户上载Word文档时，有一些有用的链接，但不能解决整个问题。我们需要在上载时获取文本并将文本保存在数据库中，以便在数据库中轻松搜索。 问题答案： class DocxConversion{ private $
-
我试图通过ApachePOI阅读Microsoft word文档，发现提供了两种方便的方法来扫描文档，如getText（）、getParagraphList（）等。。但我的用例略有不同，我们希望扫描任何文档的方式是，它应该按照文档中出现的相同顺序为我们提供事件/信息，如标题、段落、表格。它将帮助我准备一个文档结构，比如， 其主要目的是保持标题和段落之间的关系，如原始文件所示。不确定，但像这样的东西
-
在我的应用程序中，我想读取一个文档文件（.doc或.odt或.docx）并将该文本存储在字符串中。为此，我使用下面的代码：
-
我试图从docx中提取文本：tika-app做得很好，但当我试图在代码中做同样的事情时，结果是什么也没有，tika解析器说我的docx文件的内容类型是“application/zip”。 我该怎么办？我应该使用递归方法（像这样）还是有其他方法？ java.lang.noClassDefFounderRor:org/apache/poi/openXML4j/exceptions/invalidFor
-
我正在使用库python-docx解析docx文件。我需要阅读文档和段落的标题，但是我在文档中找不到任何关于文档标题的东西。有关于将标头写入新文件的文档，但没有关于读取标头的文档。有办法做到这一点吗？
-
问题内容： 我试图提取具有特定文本文件之间的文本： 然后将其转储到文本文件中，以便 谢谢您的帮助。 问题答案： 这对我来说足够好了。您的样本数据在一个名为“ data.txt”的文件中，输出将进入“ result.txt”