Question

有关使用python将.doc，.ppt和.xls转换为纯文本的方法的任何建议吗？真的任何转换方法都会有用。我已经看过使用Open Office但是，我想要一个不需要安装Open Office的解决方案。

Answer 1

我会去命令行解决方案（然后使用Python subprocess module从Python运行工具）。

可以在此处找到msword（ catdoc ），excel（ xls2csv ）和ppt（ catppt ）的转换器（源代码形式）： http://vitus.wagner.pp.ru/software/catdoc/

无法真正评论catppt的有用性，但catdoc和xls2csv工作得很好！

但请务必首先搜索您的发行版存储库...例如，在ubuntu上，catdoc只是一个快速的get-get away。

Answer 2

您可以访问OpenOffice via Python API。

尝试将此作为基础：http://wiki.services.openoffice.org/wiki/Odt2txt.py

Answer 3

将Microsoft Office文档转换为HTML或其他格式的常用工具是mswordview，后来已重命名为vwWare。

如果您正在寻找命令行工具，他们实际上建议您使用AbiWord执行转换：

AbiWord --to=txt

如果您正在寻找图书馆，请从wvWare overview page开始。他们还保持a list of libraries and tools which read MS Office documents。

Answer 4

在命令行中，antiword或wv可以很好地处理.doc文件。（不是Python解决方案，但它们易于安装和快速。）

Answer 5

这里的问题相同。下面是我使用catdoc将dir'docs /'中的所有doc文件转换为dir'txts /'的简单脚本。希望它会帮助某人：

#!/usr/bin/env python 
# -*- coding: utf-8 -*-

import glob, re, os
f = glob.glob('docs/*.doc') + glob.glob('docs/*.DOC')

outDir = 'txts'
if not os.path.exists(outDir):
    os.makedirs(outDir)
for i in f:
    os.system("catdoc -w '%s' > '%s'" %
              (i, outDir + '/' + re.sub(r'.*/([^.]+)\.doc', r'\1.txt', i,
                                   flags=re.IGNORECASE)))

Answer 6

处理Excel Spreadsheets xlwt很好。但它对.doc和.ppt文件无效。

（您可能也听说过PyExcelerator。xlwt是这个的一个分支并且维护得更好，所以我认为你用xlwt会更好。）

Answer 7

我在使用XSLT将基于XML的办公文件处理成过去可用的东西方面取得了一些成功。它不一定是基于python的解决方案，但确实可以完成工作。

python将microsoft office docs转换为linux上的纯文本

7 个答案: