Pomocí tohoto příkladu se naučíte, jak extrahovat Text z dokumentu Word v Pythonu. Poskytuje také informace pro konfiguraci vývojového prostředí dodržováním pracovního postupu krok za krokem a ukázkový kód pro vývoj převodníku Word na TXT pomocí Pythonu. Tuto aplikaci lze integrovat do jakéhokoli prostředí podporujícího Python a .NET framework ve Windows, Linuxu nebo macOS.
Kroky k extrahování textu z dokumentu Word v Pythonu
- Vytvořte prostředí instalací Aspose.Words pro Python přes .NET pro převod souboru DOCX na soubor TXT pomocí Pythonu
- Pomocí instance třídy Document získáte přístup ke zdrojovému souboru Word DOCX
- K nastavení požadovaných vlastností použijte instanci objektu třídy TxtSaveOptions
- Převeďte načtený dokument aplikace Word na soubor TXT pomocí metody uložení
Tyto přesné kroky v Pythonu extrahují text ze souboru DOCX pomocí velmi jednoduchého rozhraní API. Proces bude zahájen přístupem ke zdrojovému souboru DOCX z disku pomocí instance třídy Document, po kterém následuje nastavení požadovaných vlastností výstupního souboru TXT pomocí objektu třídy TxtSaveOptions. Nakonec se načtený soubor dokumentu Word uloží jako soubor TXT na disk pomocí metody uložení.
Kód pro převod DOCX na TXT v Pythonu
Příklad ukazuje schopnost API převést DOCX na TXT v Pythonu. Použití instance třídy TxtSaveOptions je volitelné a soubor TXT můžete uložit pomocí výchozích možností. Pokud si však přejete upravit výstupní soubor TXT, můžete použít různé vlastnosti vystavené třídou TxtSaveOptions včetně nastavení kódování, force_page_breaks, max_characters_per_line, odstavce_break a pretty_format, abychom jmenovali alespoň některé.
V tomto článku jsme se dozvěděli, že dobrou volbou může být extrahování textu z DOCX Pythonu založeného API. Pokud se chcete naučit porovnávat dokumenty PDF, přečtěte si článek na Porovnejte dokumenty PDF pomocí Pythonu.
