如何在 Linux 上使用 Python 读取 word 文件信息

import zipfiledef get_word_xml(docx_filename):

with open(docx_filename) as f:

zip = zipfile.ZipFile(f)

xml_content = zip.read('word/document.xml')

return xml_content

第二步：解析xml为树形数据结构

from lxml import etreedef get_xml_tree(xml_string):

return etree.fromstring(xml_string)

第三步：读取word内容：

def _itertext(self, my_etree):

"""Iterator to go through xml tree's text nodes"""

for node in my_etree.iter(tag=etree.Element):

if self._check_element_is(node, 't'):

yield (node, node.text)def _check_element_is(self, element, type_char):

word_schema = '99999'

return element.tag == '{%s}%s' % (word_schema,type_char)

1，下载wps或者libreoffice任意一款软件安装包，如果是debian系统，得到安装包XX.deb。

2，安装软件：打开终端，输入命令，sudo

dpkg

-i

XXX.deb。

3，安装完成后可以打开doc文件。图形界面：右键点击文件，选择属性，设置默认打开方式为wps，确定后双击文件即可打开。命令：wps

fileName.doc。

欢迎分享，转载请注明来源：内存溢出

原文地址:https://outofmemory.cn/yw/7258154.html