Computer >> कंप्यूटर ट्यूटोरियल >  >> प्रोग्रामिंग >> Python

पायथन में Microsoft Word दस्तावेज़ पढ़ने का तरीका

परिचय

पायथन का Word दस्तावेज़ (.docx) के लिए समर्थन सीमित है। python-docx लाइब्रेरी दस्तावेज़ बनाने और बुनियादी मेटाडेटा पढ़ने की अनुमति देती है, लेकिन पूरी सामग्री निकालने के लिए कस्टम कोड चाहिए क्योंकि .docx वास्तव में एक ZIP संग्रह है जिसमें XML फाइलें होती हैं।

दूरस्थ Word दस्तावेज़ पढ़ना (XML निकालना)


from zipfile import ZipFile
from urllib.request import urlopen
from io import BytesIO

file_url = 'https://file-examples-com.github.io/uploads/2017/02/file-sample_100kB.docx'

# Word दस्तावेज़ को बाइनरी के रूप में पढ़ें
wordDocx = urlopen(file_url).read()
wordDocx = BytesIO(wordDocx)

# ZIP के रूप में खोलें
document = ZipFile(wordDocx)

# XML सामग्री निकालें
xml_content = document.read('word/document.xml')
print(xml_content.decode('utf-8'))

आउटपुट: कच्चा XML जिसमें <w:t> टैग में टेक्स्ट होता है।

XML से टेक्स्ट निकालना (सरल दृष्टिकोण)


import xml.etree.ElementTree as ET

# नेमस्पेस संभालें
ns = {'w': 'https://schemas.openxmlformats.org/wordprocessingml/2006/main'}

root = ET.fromstring(xml_content)
# सभी w:t तत्व ढूंढें
text_elements = root.findall('.//w:t', ns)
full_text = ''.join(elem.text or '' for elem in text_elements)
print(full_text)

python-docx लाइब्रेरी का उपयोग (आसान)


import docx

doc = docx.Document('sample.docx')
for para in doc.paragraphs:
    print(para.text)

# टेबल्स के लिए
for table in doc.tables:
    for row in table.rows:
        cells = [cell.text for cell in row.cells]
        print(cells)

नोट

  • python-docx टेक्स्ट, पैराग्राफ, टेबल्स पढ़ सकता है लेकिन जटिल फॉर्मेटिंग, इमेज, चार्ट्स के लिए सीमित समर्थन है।
  • पूर्ण XML पार्सिंग अधिक नियंत्रण देती है लेकिन जटिल है।
  • बड़े दस्तावेज़ों के लिए, docx2txt या mammoth लाइब्रेरी आज़माएं।
  1. Python OpenCV में इमेज कैसे पढ़ें? Python OpenCV में इमेज कैसे पढ़ें?

    Python OpenCV में इमेज पढ़ने के लिए, हम निम्नलिखित चरण अपना सकते हैं: फाइल से इमेज लोड करें। निर्दिष्ट विंडो में इमेज डिस्प्ले करें। दबाए गए की का इंतजार करें। सभी हाईजीयूआई विंडोज़ नष्ट करें। उदाहरण import cv2 img = cv2.imread(baseball.png, cv2.IMREAD_COLOR) cv2.imshow(baseball, img) cv2.

  1. पायथन में Microsoft Word पैराग्राफ बनाना और इमेज इन्सर्ट करना पायथन में Microsoft Word पैराग्राफ बनाना और इमेज इन्सर्ट करना

    परिचय python-docx लाइब्रेरी का उपयोग करके Word दस्तावेज़ में पैराग्राफ जोड़ना, लाइन ब्रेक डालना, और इमेज इन्सर्ट करना। इंस्टॉलेशन pip install python-docx requests पैराग्राफ और लाइन ब्रेक बनाना import docx doc = docx.Document() # पैराग्राफ जोड़ें para = doc.add_paragraph(1. Hello World, Some Sa

  1. Microsoft Word के साथ Grammarly का मुफ्त में उपयोग कैसे करें Microsoft Word के साथ Grammarly का मुफ्त में उपयोग कैसे करें

    अधिकांश ऑफिस नौकरियों के लिए, व्याकरण कौशल बहुत महत्वपूर्ण हैं क्योंकि वे आपके द्वारा बनाई गई सामग्री को पढ़ने और समझने में आसान बनाते हैं। लेकिन यह सुनिश्चित करना कि हर रिपोर्ट या सामग्री के साथ आपका व्याकरण शीर्ष पर है, समय लेता है और वास्तव में आपकी उत्पादकता को नुकसान पहुंचाएगा। इस मामले में, Gr