python

2024-07-08 06:44:59| 来源: 网络整理| 查看: 265

近期在工作中需要解析word，然后上传到redmine，网上搜索了下相关解析的教程，有单独解析表格的、段落的、图片的，没有按顺序解析。

后面找到一份教程，顺序解析了word，但是无法解析图片，综合了一下各教程的解析思路，让我顺利摸出了解决之法：

方案一：

# docx import docx from docx.document import Document from docx.text.paragraph import Paragraph from docx.parts.image import ImagePart from docx.table import _Cell, Table from docx.oxml.table import CT_Tbl from docx.oxml.text.paragraph import CT_P # 该行只能有一个图片 def is_image(graph:Paragraph,doc:Document): images = graph._element.xpath('.//pic:pic') # 获取所有图片 for image in images: for img_id in image.xpath('.//a:blip/@r:embed'): # 获取图片id part = doc.part.related_parts[img_id] # 根据图片id获取对应的图片 if isinstance(part, ImagePart): return True return False # 获取图片（该行只能有一个图片） def get_ImagePart(graph:Paragraph,doc:Document): images = graph._element.xpath('.//pic:pic') # 获取所有图片 for image in images: for img_id in image.xpath('.//a:blip/@r:embed'): # 获取图片id part = doc.part.related_parts[img_id] # 根据图片id获取对应的图片 if isinstance(part, ImagePart): return part return None def iter_block_items(parent): """ Yield each paragraph and table child within *parent*, in document order. Each returned value is an instance of either Table or Paragraph. *parent* would most commonly be a reference to a main Document object, but also works for a _Cell object, which itself can contain paragraphs and tables. """ if isinstance(parent, Document): parent_elm = parent.element.body elif isinstance(parent, _Cell): parent_elm = parent._tc else: raise ValueError("something's not right") for child in parent_elm.iterchildren(): if isinstance(child, CT_P): paragraph=Paragraph(child, parent) if is_image(paragraph,parent): print('[Image] ') yield get_ImagePart(paragraph, parent) print('[Text] ') yield Paragraph(child, parent) elif isinstance(child, CT_Tbl): print('[Table] ') yield Table(child, parent) def parse_word(word_path): doc = docx.Document(word_path) for part in iter_block_items(doc): print(part)

此方案是在Python顺序读取word文档中的文本与表格_python docx 读所有文本包括表格中的-CSDN博客仁兄的基础上增加了解析图片。

方案二：

方案一是利用迭代器进行遍历，无法控制，比如说遍历到某个特殊节点，需要连续处理后面几个节点时，就无法做到，因此有了方案二：

方案二可以利用next函数（python自带的迭代器）获取下一个，达到控制的结果。

两个问题：

1：无法往回读取；

2：无法获取大纲编号（可以获取等级）

以上两个问题如果有解决办法，请@我，谢谢。

【本文地址】

公司简介

联系我们

今日新闻

点击排行

实验室常用的仪器、试剂和: 说到实验室常用到的东西，主要就分为仪器、试剂和耗

不用再找了，全球10大实验: 01、赛默飞世尔科技（热电）Thermo Fisher Scientif

三代水柜的量产巅峰T-72坦: 作者：寞寒最近，西边闹腾挺大，本来小寞以为忙完这

通风柜跟实验室通风系统有: 说到通风柜跟实验室通风，不少人都纠结二者到底是不

集消毒杀菌、烘干收纳为一: 厨房是家里细菌较多的地方，潮湿的环境、没有完全密

实验室设备之全钢实验台如: 全钢实验台是实验室家具中较为重要的家具之一，很多

图片新闻

实验室药品柜的特性有哪些: 实验室药品柜是实验室家具的重要组成部分之一，主要

小学科学实验中有哪些教学: 计算机计算器一般打孔器打气筒仪器车显微镜

实验室各种仪器原理动图讲: 1.紫外分光光谱UV分析原理：吸收紫外光能量，引起分

高中化学常见仪器及实验装: 1、可加热仪器：2、计量仪器：（1）仪器A的名称：量

微生物操作主要设备和器具: 今天盘点一下微生物操作主要设备和器具，别嫌我啰嗦

浅谈通风柜使用基本常识: 　众所周知，通风柜功能中最主要的就是排气功能。在

python

python

今日新闻

点击排行

推荐新闻

图片新闻

专题文章