日本免费高清视频-国产福利视频导航-黄色在线播放国产-天天操天天操天天操天天操|www.shdianci.com

學無先后，達者為師

網站首頁 編程語言 正文

Python?讀取?Word?文檔操作_python

作者：盼小輝丶 ? 更新時間： 2022-10-16 編程語言

前言

Word?文檔 (.docx) 是另一種主要用于存儲文本的常見文檔。它們通常由?Microsoft Office?創建和編輯，但也可以使用其他工具生成兼容文件。它們通常是共享可編輯文件的最常見格式，同時在分發文檔時也非常常見。

Python 讀取 Word 文檔

安裝 python-docx庫

在本節中，我們將學習如何使用?Python?從?Word?文檔中提取文本信息。我們主要使用?python-docx?庫來讀取和處理?Word?文檔，其安裝方法與其它第三方庫完全相同：

$ pip install python-docx

首先，導入?python-docx?庫：

>>> import docx

打開?document_1.docx?文件：

>>> doc = docx.Document('document_1.docx')

檢查存儲在?core_properties?中的元數據屬性，需要訪問?core_properties?屬性。這些屬性是為?Word?定義的文檔元數據屬性，例如作者或創建日期。但并非所有文檔都具有這些元數據信息，因為許多生成?Word?文檔的工具不一定會填充這些屬性：

>>> doc.core_properties.title
'Research Overview of Adversarial Attacks and Defenses on Graphs'
>>> doc.core_properties.keywords
'Abstract'
>>> doc.core_properties.modified
datetime.datetime(2020, 8, 1, 3, 11)

Word?文檔中最重要的特點是數據以段落(而不是頁)的形式結構化。字體大小、段落縮進和其他因素都可能會使頁數發生變化。檢查段落數：

>>> len(doc.paragraphs)
28

瀏覽段落以檢測包含文本的段落，大多數段落通常是空的，或者只包含換行符、制表符或其他空白字符，檢查段落時我們通常跳過這些空段落：

>>> for index, paragraph in enumerate(doc.paragraphs):
... ????if paragraph.text:
... ????????????print(index, paragraph.text)=
...
0 圖對抗攻防綜述
1 摘 要：
3 關鍵字：
5 Research Overview of Adversarial Attacks and Defenses on Graphs
6 Abstract
7 Deep neural networks (DNNs) have been widely applied to various applications, including image classification, ...
8 ...
...
27 參考文獻

可以利用?paragraphs?屬性獲取文檔段落列表并提取原始格式的文本，這些文本不包括樣式信息，通常是自動處理數據時最常用的屬性。獲取第?5?段和第?6?段的文本，分別對應第一頁的標題和副標題：

>>> doc.paragraphs[5].text
'Research Overview of Adversarial Attacks and Defenses on Graphs'
>>> doc.paragraphs[6].text
'Abstract '

每個段落都有一個?runs?屬性，這是具有不同樣式屬性的文本分割列表。檢查不同文本段落是否為粗體或斜體：

>>> doc.paragraphs[5].runs[0].bold
True
>>> doc.paragraphs[5].runs[0].italic
>>> doc.paragraphs[6].runs[0].bold
>>> doc.paragraphs[6].runs[0].italic
True

在示例?Word?文檔中，大多數段落只有一個?run?(即每個段落使用相同的樣式)，但我們在第?7?段中文本具有許多不同的樣式。例如，Deep neural networks?使用粗體樣式，DNNs?使用斜體樣式：

>>> run_0 = doc.paragraphs[7].runs[0]
>>> run_0.text
'Deep neural networks'
>>> run_0.bold
True
>>> run_13 = doc.paragraphs[7].runs[13]
>>> run_13.text
'DNNs'
>>> run_13.italic
True

原文鏈接：https://juejin.cn/post/7131589333617737742

欄目分類
最近更新