用python2.7读取docx

Question

我尝试使用以下代码读取docx文件：

from docx import Document
doc = Document('test.docx')

但是当我尝试打印时，我明白了：

<docx.api.Document object at 0x02952C70>

如何阅读文件内的内容？

我读到docx最近发生了变化，旧的问题/答案不再适用了。

Answer 1

在此处查看Document对象的结构：

Source code for docx.api

例如，如果您想获取属性＆＃34;段落＆＃34;：

doc = Document('test.docx')
paragraphs = doc.paragraphs()

我希望这会有所帮助。

编辑：我在python-docx's gitHub repository找到了这个片段，并在此编辑了一下：

document = docx.Document(filename)
docText = '\n\n'.join([
    paragraph.text.encode('utf-8') for paragraph in document.paragraphs
])
print docText

join（）函数从paragraph属性返回的数组中的段落接收以UTF-8编码的字符串列表。结果如下：

paragraph 1

paragraph 2

paragraph 3

看起来这样可行，但它不会打印表格，页眉或页脚。

编辑：此链接是有关python-docx的所有文档的主要索引：

python-docx 0.7.4 documentation

Answer 2

可以不使用docx模块使用Python从Word文件中提取信息。 One solution, (there are many), from etienne是docx的一个非常基本的版本，可能会删除您获得的十六进制数字。但是，就像SebasSBM的回答一样，它不适用于其他功能，例如表等。

如果仍然无效，我会建议these answers;也许其中一个仍然与您的新docx格式相关。