我想从docx文件提取文本到简单的txt文件。
我知道这个问题可能看起来很简单或者很琐碎(我希望会是这样),但我浏览了几十个论坛主题,花了几个小时试图自己解决,但没有找到解决办法。。。在
如果我需要没有格式的内容,它可以完美地工作。但是。。。
因为我的文档包含简单的表格,所以我需要它们通过简单的表格来保持格式。
所以不是这样:Name
Age
Wage
John
30
2000
这应该出现在:Name Age Wage
John 30 2000
为了不滑到对方,我喜欢双标签较长的行。
我稍微研究了一下XML结构,发现表中的新行用tr表示,列用tc表示。
所以我试着千方百计地修改它,但是没有成功。。。
虽然它不是真的起作用,但我还是照搬了我的想法来解决问题:from lxml.html.defs import form_tags
try:
from xml.etree.cElementTree import XML
except ImportError:
from xml.etree.ElementTree import XML
import zipfile
WORD_NAMESPACE='{http://schemas.openxmlformats.org/wordprocessingml/2006/main}'
PARA = WORD_NAMESPACE + 'p'
TEXT = WORD_NAMESPACE + 't'</