Question

我一直在尝试读取.docx文件并将其文本复制到.txt文件

为了实现上述结果，我首先编写了这段脚本。

if extension == 'docx' :

   document = Document(filepath)
      for para in document.paragraphs:
         with open("C:/Users/prasu/Desktop/PySumm-resource/CodeSamples/output.txt","w") as file:
            file.writelines(para.text)

发生的错误如下：

Traceback (most recent call last):
  File "input_script.py", line 27, in <module>
    file.writelines(para.text)
  File "C:\Python\lib\encodings\cp1252.py", line 19, in encode
    return codecs.charmap_encode(input,self.errors,encoding_table)[0]
UnicodeEncodeError: 'charmap' codec can't encode character '\u2265' in 
position 0: character maps to <undefined>

我尝试在print（）的帮助下打印“ para.text”，它可以工作。现在，我想将“ para.text”写入.txt文件。

Answer 1

您可以尝试使用 codecs。

根据您的错误消息，似乎是以下字符“≥”引起了问题。使用编解码器以 utf-8 输出应该有望解决您的问题。

from docx import Document
import codecs
filepath = r"test.docx"
document = Document(filepath)
for para in document.paragraphs:
    with codecs.open('output.txt', 'a', "utf-8-sig") as o_file:
        o_file.write(para.text)
    o_file.close()

如何从docx文件提取文本并将其存储在文本文件中

1 个答案: