Ubuntu下使用python读取doc和docx文档的内容

读取docx文档

使用的包是python-docx

1.安装python-docx包

sudo pip install python-docx

2.使用python-docx包读取数据

#encoding:utf8  

import docx  

doc = docx.Document('test.docx')  

docText = '\n'.join([paragraph.text for paragraph in doc.paragraphs])  

#print(docText)  

python-docx这个包是不能处理doc文档的，要读取doc文档内容的话需要使用antiword这个工具。

 

读取doc文档

1.到网站下载antiword（http://www.winfield.demon.nl/#Programmer）。

2.下载完毕之后解压，在解压得到的文件夹中一次运行make和make install命令。

3.使用antiword读取doc文档内容

#encoding:utf8  

import subprocess  

word = 'test.doc'  

output = subprocess.check_output(['antiword',word])  

print(output)

 

本文永久更新地址：http://www.linuxdiyf.com/linux/30411.html