1. Produk
  2.   Pemprosesan perkataan
  3.   Python
  4.   Docx2Python
 
  

API Python Percuma untuk mengekstrak Teks, Jadual, Imej daripada Fail DOCX

Perpustakaan Python Sumber Terbuka untuk mengekstrak Teks, Imej, Jadual, Kepala dan Kaki atau mana-mana Bahagian Khusus Dokumen Word DOCX dalam Aplikasi Python.

Apakah Perpustakaan Docx2Python?

Dalam era digital masa kini, memproses dan mengekstrak data daripada dokumen dengan cekap menjadi lebih penting daripada sebelumnya. Pemaju Perisian sering berhadapan dengan fail Microsoft Word DOCX yang mengandungi maklumat berharga, namun memprosesnya boleh menjadi mencabar. Docx2Python ialah perpustakaan Python yang membolehkan pemaju perisian mengekstrak teks, jadual, imej, dan kandungan lain daripada fail .docx dengan mudah. Tidak seperti perpustakaan pemprosesan dokumen lain, Docx2Python direka khusus untuk memberikan output yang bersih, berstruktur, dan mudah digunakan. Ini menjadikannya pilihan yang baik bagi pemaju yang perlu memproses dan menganalisis dokumen Word secara programatik. Perpustakaan ini bersifat sumber terbuka, yang bermaksud ia tersedia secara percuma untuk sesiapa sahaja menggunakannya, mengubahsuai, dan mengedarkannya.

Docx2Python ialah alat yang kuat direka untuk membaca fail DOCX dan menukar kandungannya kepada struktur data Python bersarang. Ia adalah perpustakaan sumber terbuka yang kukuh dan fleksibel yang memudahkan ekstraksi data berstruktur daripada fail DOCX. Perpustakaan ini menyokong penguraian menyeluruh, penjanaan laporan automatik, pemprosesan dokumen lanjutan, output data berstruktur, pemeliharaan susun atur, dan lain-lain. Pemaju perisian boleh menukar kandungan DOCX ke format lain (seperti HTML atau Markdown) sambil mengekalkan penampilan yang diingini. Dengan mengadopsi penyelesaian sumber terbuka seperti Docx2Python, pemaju perisian dapat mengurangkan beban kerja manual, memupuk inovasi, dan mencipta aplikasi yang benar-benar mengubah cara kita berinteraksi dengan dan menganalisis data teks.

Previous Next

Mula Menggunakan Docx2Python

Docx2Python dihoskan di PyPI, jadi sangat mudah untuk dipasang. Ia boleh dipasang dengan pip menggunakan arahan berikut.

Pasang Docx2Python melalui arahan pip

pip install docx2python

Ia juga boleh dipasang melalui easy_install tetapi tidak disarankan.

Mengekstrak Teks untuk Dokumen Word

Perpustakaan sumber terbuka Docx2Python memudahkan pemaju perisian mengekstrak teks plain daripada dokumen Word dalam aplikasi Python. Ia menguraikan setiap elemen dalam fail DOCX secara menyeluruh. Sama ada anda perlu mengekstrak teks plain, jadual terperinci, atau struktur halus kepala dan kaki, perpustakaan ini mengendalikannya semua. Pendekatan penguraian berbilang tahap memastikan bahawa elemen bersarang pun ditangkap dengan tepat dalam struktur data output.

Bagaimana mengekstrak teks daripada Word DOCX menggunakan Kod Python?

from docx2python import docx2python

# Parse a DOCX file with multiple sections and elements
result = docx2python('sample.docx')

# Iterate over the body sections and print each paragraph
for section in result.body:
    for paragraph in section:
        print("Paragraph:", paragraph)

Ekstrak Jadual & Imej dari Fail Word

Salah satu ciri paling kuat Docx2Python ialah keupayaannya mengekstrak jadual daripada fail Word .docx dengan mudah. Perpustakaan ini mengendalikan jadual sederhana dan bersarang, menjadikannya ideal untuk memproses dokumen kompleks. Selain itu, pemaju perisian boleh menggunakan perpustakaan ini untuk mengekstrak imej yang dimasukkan dalam fail Microsoft Word .docx, yang boleh berguna untuk aplikasi yang memerlukan pemprosesan atau analisis imej.

Bagaimana mengekstrak jadual daripada Fail Word DOCX melalui API Python?

from docx2python import docx2python

# Extract tables from a Word document
docx_content = docx2python("example.docx")

# Access the extracted tables
tables = docx_content.tables

# Print the tables
for i, table in enumerate(tables):
    print(f"Table {i + 1}:")
    for row in table:
        print(row)

Ekstrak Bahagian Spesifik Dokumen melalui Python

Docx2Python menyediakan pilihan untuk menyesuaikan format output, membolehkan pemaju menyesuaikan hasil mengikut keperluan khusus mereka. Perpustakaan sumber terbuka Docx2Python menyediakan fungsi lengkap untuk mengekstrak bahagian atau seksyen tertentu dokumen word DOCX dalam aplikasi Python. Pemaju boleh memilih untuk mengekstrak hanya bahagian tertentu dokumen atau memformat output dengan cara tertentu hanya dengan beberapa baris kod.

Bagaimana mengekstrak Bahagian Tertentu Dokumen Word melalui Perpustakaan Python?

from docx2python import docx2python

# Extract specific sections of a Word document
docx_content = docx2python("example.docx", html=True)

# Access the HTML-formatted output
html_content = docx_content.html

# Print the HTML content
print("HTML Output:", html_content)

Kekalkan Susun Atur Semasa Menukar DOCX

Menjaga susun atur asal dokumen adalah penting, terutamanya apabila hubungan spatial antara elemen penting. Docx2Python mengekalkan susun atur ini dengan menukar dokumen ke format berstruktur yang mencerminkan reka bentuk asalnya. Ini memudahkan penukaran kandungan DOCX ke format lain seperti HTML, PDF atau Markdown sambil mengekalkan penampilan yang diinginkan.

Bagaimana menjaga susun atur dokumen melalui API Python?

# Parse a DOCX file while preserving its layout
result = docx2python('layout_document.docx')

# Display the entire structured layout of the document
print("Document Layout:", result.body)
 Melayu