Question

与csv.reader()一样，是否还有其他可以在Python中读取.rtf，.txt，.doc文件的函数？

Answer 1

您可以使用

阅读文本文件

txt = open("file.txt").read()

尝试PyRTF获取RTF文件。我认为读取MS Word .doc文件是不太可能的，除非你在Windows上，你可以使用一些本机MS接口来读取这些文件。 This article声明如何编写与Word交互的脚本。

Answer 2

csv是一种特定的格式，因此您需要一个“解析器”来阅读它。这就是你提到的csv模块提供的内容。文本文件（通常以.txt为后缀）没有任何固定的“格式”，因此您可以在open之后阅读它们（Jesse的答案提供了详细信息）。 CSV文件通常是文本文件，因此您的区别不是很准确。

对于RTF，有很多。有关详细信息，请参阅this answer。 Jesse提到的PyRTF似乎是最受欢迎的。

Microsoft Word文档文件（通常以.doc为后缀）是另一种野兽，因为格式是专有的。我对Python转换器没有太多经验，但有一些命令行（如wvHTML）做了一些不错的工作。 This question讨论了很多。还有选择让MS-Word本身为您做到这一点。像Jesse这样的COM界面已经提到过了。

Answer 3

我真的很头疼，试图为单词和作家文档做这件事。

有一个简单的解决方案：在命令行上调用openoffice将目标文档转换为文本，然后将文本加载到Python中。

我试过的其他转换工具产生了不可靠的输出，而其他Python oOo库太复杂了。

如果您只想获取文本以便处理它，请在linux命令行中使用：

soffice --headless --convert-to txt:Text /path_to/document_to_convert.doc

（如果你想自动化它，可以使用subprocess从Python调用它。）

它将创建文本文件，您可以简单地加载到python中。

（Credit）

Answer 4

import win32com.client
if tmpFile.endswith('.xml') or tmpFile.endswith('.doc') or tmpFile.endswith('.docx'):
       app = win32com.client.Dispatch("Word.Application")
       app.Visible = False
       app.Documents.Open(tmpFile)
       doc = app.ActiveDocument

       docText = doc.Content.Text 
       print(docText)
       doc.Close()
       app.Quit()

Answer 5

有一个名为＆＃39; docx＆＃39; 的 python模块，您可以使用它来阅读 .docx 文件。你不可能阅读.doc，因为它现在几乎已经过时了。

from docx import Document
doc = Document(filepath)
# Reading Data
data = doc.paragraphs
tables = doc.tables

你可以在Pypi找到它Here。

python中的Doc，rtf和txt阅读器

5 个答案: