今天就跟大家聊聊有關(guān)python中怎么處理document文檔,可能很多人都不太了解,為了讓大家更加了解,小編給大家總結(jié)了以下內(nèi)容,希望大家根據(jù)這篇文章可以有所收獲。
成都創(chuàng)新互聯(lián)專注為客戶提供全方位的互聯(lián)網(wǎng)綜合服務(wù),包含不限于做網(wǎng)站、網(wǎng)站制作、延川網(wǎng)絡(luò)推廣、成都小程序開發(fā)、延川網(wǎng)絡(luò)營銷、延川企業(yè)策劃、延川品牌公關(guān)、搜索引擎seo、人物專訪、企業(yè)宣傳片、企業(yè)代運營等,從售前售中售后,我們都將竭誠為您服務(wù),您的肯定,是我們大的嘉獎;成都創(chuàng)新互聯(lián)為所有大學(xué)生創(chuàng)業(yè)者提供延川建站搭建服務(wù),24小時服務(wù)熱線:13518219792,官方網(wǎng)址:muchs.cn具體內(nèi)容如下
# -*- coding: utf-8 -*- # 利用python-docx替換文章中的內(nèi)容 pip install python-docx # 格式、線段、圖片、頁眉頁腳等都不變 # python-docx 在處理超鏈接的問題時,可以參考一下鏈接對源碼進行修改 https://github.com/python-openxml/python-docx/issues/85 # 具體修改操作如下 \site-packages\docx\oxml\__init__.py # 需要新增的代碼 def remove_hyperlink_tags(xml): import re text = xml.decode('utf-8') text = text.replace("</w:hyperlink>","") text = re.sub('<w:hyperlink[^>]*>', "", text) return text.encode('utf-8') # 需要修改的源碼 def parse_xml(xml): root_element = etree.fromstring(remove_hyperlink_tags(xml), oxml_parser) return root_element """ import os from docx import Document from win32com import client # 自己寫的逐句翻譯包 import doc_scan def pre_document(filename): """ 由于python_docx(只能讀取.docx文件,不能讀取.doc文件) 將對應(yīng)文件夾下的doc文件轉(zhuǎn)為docx文件 :param filename: 文件的絕對路徑 :return: """ file_tuple = os.path.splitext(filename) if file_tuple[1] == '.doc': word = client.Dispatch('Word.Application') doc = word.Documents.Open(filename) # 目標(biāo)路徑下的文件 doc.SaveAs(file_tuple[0] + ".docx", 16) # 轉(zhuǎn)化后路徑下的文件 doc.Close() word.Quit() # 把源文件刪除 os.remove(filename) def read_document(): """ 原文文章為中文,然后將中文逐句翻譯成英文,把英文替換原來的中文,保留文章的原樣式 :return: """ # 遍歷doc文件下的所有的文件 path = os.path.dirname(os.path.abspath(__file__)) + '\doc' for f in os.listdir(path): file = "%s\%s" % (path, f) # 對源文件進行預(yù)處理 pre_document(file) document = Document(file) for num, paragraph in enumerate(document.paragraphs): # 獲取每段中的文字 old_text = paragraph.text.strip() if old_text: inlines = paragraph.runs if inlines: # 將原有的文章里面的內(nèi)容為空 for li, inli in enumerate(inlines): inlines[li].text = inlines[li].text.replace(inlines[li].text, '') new_text = doc_scan.Scan(old_text) # 把翻譯好的文章句子 替換到 零號位置上面 inlines[0].text = new_text # 保存文件,覆蓋操作 document.save(file) # 將document中的圖片下載到本地 # document = Document(file) # for shape in document.inline_shapes: # contentID = shape._inline.graphic.graphicData.pic.blipFill.blip.embed # contentType = document.part.related_parts[contentID].content_type # if not contentType.startswith('image'): # continue # imgName = basename(document.part.related_parts[contentID].partname) # imgData = document.part.related_parts[contentID]._blob # with open(imgName,'wb') as fp: # fp.write(imgData) if __name__ == '__main__': read_document()
看完上述內(nèi)容,你們對python中怎么處理document文檔有進一步的了解嗎?如果還想了解更多知識或者相關(guān)內(nèi)容,請關(guān)注創(chuàng)新互聯(lián)成都網(wǎng)站設(shè)計公司行業(yè)資訊頻道,感謝大家的支持。
另外有需要云服務(wù)器可以了解下創(chuàng)新互聯(lián)scvps.cn,海內(nèi)外云服務(wù)器15元起步,三天無理由+7*72小時售后在線,公司持有idc許可證,提供“云服務(wù)器、裸金屬服務(wù)器、高防服務(wù)器、香港服務(wù)器、美國服務(wù)器、虛擬主機、免備案服務(wù)器”等云主機租用服務(wù)以及企業(yè)上云的綜合解決方案,具有“安全穩(wěn)定、簡單易用、服務(wù)可用性高、性價比高”等特點與優(yōu)勢,專為企業(yè)上云打造定制,能夠滿足用戶豐富、多元化的應(yīng)用場景需求。
網(wǎng)站標(biāo)題:python中怎么處理document文檔-創(chuàng)新互聯(lián)
URL標(biāo)題:http://muchs.cn/article2/deisic.html
成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián),為您提供建站公司、服務(wù)器托管、關(guān)鍵詞優(yōu)化、靜態(tài)網(wǎng)站、電子商務(wù)、定制網(wǎng)站
聲明:本網(wǎng)站發(fā)布的內(nèi)容(圖片、視頻和文字)以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主,如果涉及侵權(quán)請盡快告知,我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場,如需處理請聯(lián)系客服。電話:028-86922220;郵箱:631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載,或轉(zhuǎn)載時需注明來源: 創(chuàng)新互聯(lián)