python对word提取数据,如何使用Python从doc / docx文件中提取数据

docx是一个包含文档XML的zip文件.您可以打开zip,阅读文档并使用ElementTree解析数据.

这种技术的优点是你不需要安装任何额外的python库.

import zipfile

import xml.etree.ElementTree

WORD_NAMESPACE = '{http://schemas.openxmlformats.org/wordprocessingml/2006/main}'

PARA = WORD_NAMESPACE + 'p'

TEXT = WORD_NAMESPACE + 't'

TABLE = WORD_NAMESPACE + 'tbl'

ROW = WORD_NAMESPACE + 'tr'

CELL = WORD_NAMESPACE + 'tc'

with zipfile.ZipFile('') as docx:

tree = xml.etree.ElementTree.XML(docx.read('word/document.xml'))

for table in tree.iter(TABLE):

for row in table.iter(ROW):

for cell in row.iter(CELL):

print ''.join(node.text for node in cell.iter(TEXT))

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值