linuxpythonword

發布時間: 2022-11-21 04:38:09

Ⅰ 如何在 linux 上使用 python 讀取 word 文件信息

必須說明：不同於Illustrator、InDesign、CorelDRAW、OpenOffice DRAW、Incscape等工具，Word是流動分頁的，文件內容本身並不存儲分頁結果。具體分頁時斷在哪裡、最後分出多少頁，都需要現場渲染所有的圖文內容之後才能確定。

（簡而言之就是：Word文件中僅包含了一行一行的文本，與頁面設置中指定的頁面尺寸。Word每次打開文件時都會一行一行「擺放」文本數據，發現一頁裝不下了自動新開一頁。當然真正的Word渲染引擎肯定有更復雜的行為。）

從.doc/.docx文件中直接讀出頁面數量，這本身就是個偽命題。所以千萬別在「直接讀取頁面數量」這個方向上尋求方案——軟體開發的技法不好可以改正，但路線錯了必死無疑！

你需要調動一套能夠真的把Word文件的內容渲染出來的工具（支持二次開發的）。只有把Word文件的所有內容渲染成為可以觀看的圖形，才能准確得知頁面的總數。在Linux上很可能LibreOffice可以吧。而在Windows上就當然是用Word本身了。

注意Word的分頁結論是沒有保證的。缺少字體、字形不同、軟體環境不同等各種原因，都會造成不同電腦上打開同一個Word文件的頁數不一致。這一點對伺服器也沒有例外。得到了頁數也只能參考使用，而不要100%信賴。

Ⅱ 如何在 Linux 上使用 Python 讀取 word 文件信息

首先下載安裝win32com
from win32com import client as wc
word = wc.Dispatch('Word.Application')
doc = word.Documents.Open('c:/test')
doc.SaveAs('c:/test.text', 2)
doc.Close()
word.Quit()

這種方式產生的text文檔，不能用python用普通的r方式讀取，為了讓python可以用r方式讀取，應當寫成

doc.SaveAs('c:/test', 4)

注意：系統執行完成後，會自動產生文件後綴txt（雖然沒有指明後綴）。
在xp系統下面，應當
open(r'c:\text','r')
wdFormatDocument = 0
wdFormatDocument97 = 0
wdFormatDocumentDefault = 16
wdFormatDOSText = 4
wdFormatDOSTextLineBreaks = 5
wdFormatEncodedText = 7
wdFormatFilteredHTML = 10
wdFormatFlatXML = 19
wdFormatFlatXMLMacroEnabled = 20
wdFormatFlatXMLTemplate = 21
= 22
wdFormatHTML = 8
wdFormatPDF = 17
wdFormatRTF = 6
wdFormatTemplate = 1
wdFormatTemplate97 = 1
wdFormatText = 2
wdFormatTextLineBreaks = 3
wdFormatUnicodeText = 7
wdFormatWebArchive = 9
wdFormatXML = 11
wdFormatXMLDocument = 12
= 13
wdFormatXMLTemplate = 14
= 15
wdFormatXPS = 18

照著字面意思應該能對應到相應的文件格式，如果你是office 2003可能支持不了這么多格式。word文件轉html有兩種格式可選wdFormatHTML、wdFormatFilteredHTML（對應數字 8、10），區別是如果是wdFormatHTML格式的話，word文件裡面的公式等ole對象將會存儲成wmf格式，而選用 wdFormatFilteredHTML的話公式圖片將存儲為gif格式，而且目測可以看出用wdFormatFilteredHTML生成的HTML 明顯比wdFormatHTML要干凈許多。
當然你也可以用任意一種語言通過com來調用office API，比如PHP.
from win32com import client as wc
word = wc.Dispatch('Word.Application')
doc = word.Documents.Open(r'c:/test1.doc')
doc.SaveAs('c:/test1.text', 4)
doc.Close()
import re
strings=open(r'c:\test1.text','r').read()
result=re.findall('\(\s*[A-D]\s*\)|\(\xa1*[A-D]\xa1*\)|\（\s*[A-D]\s*\）|\（\xa1*[A-D]\xa1*\）',strings)
chan=re.sub('\(\s*[A-D]\s*\)|\(\xa1*[A-D]\xa1*\)|\（\s*[A-D]\s*\）|\（\xa1*[A-D]\xa1*\）','()',strings)
question=open(r'c:\question','a+')
question.write(chan)
question.close()
answer=open(r'c:\answeronly','a+')
for i,a in enumerate(result):
m=re.search('[A-D]',a)
answer.write(str(i+1)+' '+m.group()+'\n')
answer.close()
chan=re.sub(r'\xa3\xa8\s*[A-D]\s*\xa3\xa9','()',strings)
#不要()，容易引起歧義。

Ⅲ 如何在 Linux 上使用 Python 讀取 word 文件信息

請注意，所有的程序在它們第一行都是#!/usr/bin/env/python，也就是說，我們想要Python的解釋器來執行這些腳本。因此，如果你想你的腳本具有執行性，請使用chmod +x your-script.py，那麼你就可以使用./your-script.py來執行它了（在本文中你將會看到這種方式）
探索platform模塊
platform模塊在標准庫中，它有很多運行我們獲得眾多系統信息的函數。讓我們運行Python解釋器來探索它們中的一些函數，那就從platform.uname()函數開始吧：
>>> import platform
>>> platform.uname()
('Linux', 'fedora.echorand', '3.7.4-204.fc18.x86_64', '#1 SMP Wed Jan 23 16:44:29 UTC 2013', 'x86_64')

如果你已知道linux上的uname命令，那麼你就會認出來這個函數就是這個命令的一個介面。在Python 2上，它會返回一個包含系統類型(或者內核版本)，主機名，版本，發布版本，機器的硬體以及處理器信息元組(tuple)。你可以使用下標訪問個別屬性，像這樣：
>>> platform.uname()[0]
'Linux'
在Python 3上，這個函數返回的是一個命名元組：
>>> platform.uname()

uname_result(system='Linux', node='fedora.echorand',
release='3.7.4-204.fc18.x86_64', version='#1 SMP Wed Jan 23 16:44:29
UTC 2013', machine='x86_64', processor='x86_64')
因為返回結果是一個命名元組，這就可以簡單地通過名字來指定特定的屬性，而不是必須記住下標，像這樣：
>>> platform.uname().system
'Linux'
platform模塊還有一些上面屬性的直接介面，像這樣：
>>> platform.system()
'Linux'
>>> platform.release()
'3.7.4-204.fc18.x86_64'

Ⅳ 如何在 Linux 上使用 Python 讀取 word 文件信息

第一步：獲取doc文件的xml組成文件

import zipfiledef get_word_xml(docx_filename):
with open(docx_filename) as f:
zip = zipfile.ZipFile(f)
xml_content = zip.read('word/document.xml')
return xml_content

第二步：解析xml為樹形數據結構
from lxml import etreedef get_xml_tree(xml_string):
return etree.fromstring(xml_string)

第三步：讀取word內容：
def _itertext(self, my_etree):
"""Iterator to go through xml tree's text nodes"""
for node in my_etree.iter(tag=etree.Element):
if self._check_element_is(node, 't'):
yield (node, node.text)def _check_element_is(self, element, type_char):
word_schema = '99999'
return element.tag == '{%s}%s' % (word_schema,type_char)

Ⅳ 如何在 Linux 上使用 Python 讀取 word 文件信息

其實word文檔就是xml合集的包，除了用第三方模塊[不知道有沒有]，只能自己用lxml之類的xml模塊自己匹配

Ⅵ 請問怎麼學習Python

分享Python學習路線：

第一階段：Python基礎與Linux資料庫

這是Python的入門階段，也是幫助零基礎學員打好基礎的重要階段。你需要掌握Python基本語法規則及變數、邏輯控制、內置數據結構、文件操作、高級函數、模塊、常用標准庫模板、函數、異常處理、mysql使用、協程等知識點。

學習目標：掌握Python的基本語法，具備基礎的編程能力；掌握Linux基本操作命令，掌握MySQL進階內容，完成銀行自動提款機系統實戰、英漢詞典、歌詞解析器等項目。

第二階段：web全棧

這一部分主要學習web前端相關技術，你需要掌握html、cssJavaScript、JQuery、Bootstrap、web開發基礎、Vue、FIask Views、FIask模板、資料庫操作、FIask配置等知識。

學習目標：掌握web前端技術內容，掌握web後端框架，熟練使用FIask、Tornado、Django，可以完成數據監控後台的項目。

第三階段：數據分析+人工智慧

這部分主要是學習爬蟲相關的知識點，你需要掌握數據抓取、數據提取、數據存儲、爬蟲並發、動態網頁抓取、scrapy框架、分布式爬蟲、爬蟲攻防、數據結構、演算法等知識。

學習目標：可以掌握爬蟲、數據採集，數據機構與演算法進階和人工智慧技術。可以完成爬蟲攻防、圖片馬賽克、電影推薦系統、地震預測、人工智慧項目等階段項目。

第四階段：高級進階

這是Python高級知識點，你需要學習項目開發流程、部署、高並發、性能調優、Go語言基礎、區塊鏈入門等內容。

學習目標：可以掌握自動化運維與區塊鏈開發技術，可以完成自動化運維項目、區塊鏈等項目。

按照上面的Python學習路線圖學習完後，你基本上就可以成為一名合格的Python開發工程師。當然，想要快速成為企業競聘的精英人才，你需要有好的老師指導，還要有較多的項目積累實戰經驗。

對於Python開發有興趣的小夥伴們，不妨先從看看Python開發教程開始入門！B站上有很多的Python教學視頻，從基礎到高級的都有，還挺不錯的，知識點講的很細致，還有完整版的學習路線圖。也可以自己去看看，下載學習試試。

Ⅶ 學習python語言在什麼操作系統下學習比較好

首先需要安裝Python語言，根據個人電腦的系統進入python官網下載頁面下載相應的安裝包。
注意：python語言有python2和python3區別，兩者不兼容，新手學習建議安裝python3的相應版本。python2的應用會逐步減少，初學者學習pyhon2會耽誤學習進度，影響學習效果。等能夠熟練掌握python3以後，如遇到python2的項目，可以很快熟悉。不需要初學者接觸。

Ⅷ Python培訓需要學習哪些內容

Python培訓課程大同小異，整理如下：
Python語言基礎：主要學習Python基礎知識，如Python3、數據類型、字元串、函數、類、文件操作等。
Python語言高級：主要學習Python庫、正則表達式、進程線程、爬蟲、遍歷以及MySQL資料庫。
Pythonweb開發：主要學習HTML、CSS、JavaScript、jQuery等前端知識，掌握python三大後端框架(Django、 Flask以及Tornado)。
Linux基礎：主要學習Linux相關的各種命令，如文件處理命令、壓縮解壓命令、許可權管理以及Linux Shell開發等。
Linux運維自動化開發：主要學習Python開發Linux運維、Linux運維報警工具開發、Linux運維報警安全審計開發、Linux業務質量報表工具開發、Kali安全檢測工具檢測以及Kali 密碼破解實戰。
Python爬蟲：主要學習python爬蟲技術，掌握多線程爬蟲技術，分布式爬蟲技術。
Python數據分析和大數據：主要學習numpy數據處理、pandas數據分析、matplotlib數據可視化、scipy數據統計分析以及python 金融數據分析;Hadoop HDFS、python Hadoop MapRece、python Spark core、python Spark SQL以及python Spark MLlib。
Python機器學習：主要學習KNN演算法、線性回歸、邏輯斯蒂回歸演算法、決策樹演算法、樸素貝葉斯演算法、支持向量機以及聚類k-means演算法。

Ⅸ cat命令和vim的區別