通过使用此示例，您将学习如何从 Python 中的 Word 文档中提取 Text。它还提供了通过遵循分步工作流程来配置开发环境的信息，以及使用 Python 开发 **Word 到 TXT 转换器的示例代码。该应用程序可以集成到 Windows、Linux 或 macOS 中支持 Python 和 .NET 框架的任何环境中。
使用 Python 从 Word 文档中提取文本的步骤
- 通过安装Aspose.Words for Python 通过 .NET建立环境，使用Python将DOCX文件转换为TXT文件
- 通过使用 Document 类的实例，访问源 Word DOCX 文件
- 使用 TxtSaveOptions 类对象实例来设置所需的属性
- 使用save方法将加载的Word文档转换为TXT文件
Python 中的这些精确步骤使用非常简单的 API 接口从 DOCX 文件中提取文本。该过程首先使用 Document 类的实例从磁盘访问源 DOCX 文件，然后使用 TxtSaveOptions 类对象设置所需的输出 TXT 文件属性。最后，使用save方法将加载的Word文档文件以TXT文件的形式保存在磁盘上。
在 Python 中将 DOCX 转换为 TXT 的代码
This file contains bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
| import aspose.words as aw | |
| import io | |
| # Path to the source files | |
| filePath = "Y:////KB//TestData//" | |
| # Load the Aspose.Words license in your application to convert DOCX to TXT | |
| wordtoTxtLicense = aw.License() | |
| wordtoTxtLicense.set_license(filePath + "Conholdate.Total.Product.Family.lic") | |
| # Use the Document class object to access the source DOCX file | |
| srcDocument = aw.Document(filePath + "Test1.docx") | |
| #Optional Text saving options | |
| txtOpts = aw.saving.TxtSaveOptions() | |
| txtOpts.max_characters_per_line = 100 | |
| txtOpts.save_format = aw.SaveFormat.TEXT | |
| txtOpts.pretty_format = True | |
| srcDocument.save(filePath + "ExtractedText.txt", txtOpts); | |
| print ("Document converted to TXT successfully") |
该示例演示了在 Python 中将 DOCX 转换为 TXT 的 API 功能。使用 TxtSaveOptions 类实例是可选的，您可以使用默认选项保存 TXT 文件。但是，如果您希望自定义输出 TXT 文件，则可以使用 TxtSaveOptions 类公开的不同属性，包括设置编码、force_page_breaks、max_characters_per_line、paragraph_break 和 Pretty_format 等。
在本文中，我们了解到，为了从 DOCX 中提取文本，基于 Python 的 API 可能是一个不错的选择。如果您想学习比较 PDF 文档，请参阅 使用 Python 比较 PDF 文档 上的文章。
