Question

我正在搜索谷歌的答案，但我无法获得一个模块将doc / pdf / docx / rtf转换为文本

是否有任何python模块将doc / pdf / docx / rtf格式转换为文本？

Answer 1

一个模块来统治它们！

textract。它支持许多用于文本提取的文件类型，包括您在问题中指定的所有文件类型。

PDF示例

http://textract.readthedocs.io/en/latest/python_package.html

import textract
text = textract.process('path/to/a.pdf', method='pdfminer')