python - 如何在windows上安装antiword并在python中使用

Question

我正在使用 python 脚本将 file.doc 转换为文件。 TXT。我的代码是:

from subprocess import Popen, PIPE
from docx import opendocx, getdocumenttext

#http://stackoverflow.com/questions/5725278/python-help-using-pdfminer-as-a-library
from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter
from pdfminer.converter import TextConverter
from pdfminer.layout import LAParams
from pdfminer.pdfpage import PDFPage
from cStringIO import StringIO
import os

def document_to_text(filename, file_path):
    if filename[-4:] == ".doc":
       cmd = ['antiword', file_path]
       p = Popen(cmd, stdout=PIPE)
       stdout, stderr = p.communicate()
       return stdout.decode('ascii', 'ignore')
   elif filename[-5:] == ".docx":
       document = opendocx(file_path)
       paratextlist = getdocumenttext(document)
       newparatextlist = []
       for paratext in paratextlist:
         newparatextlist.append(paratext.encode("utf-8"))
       return '\n\n'.join(newparatextlist)

为了使用上面的脚本，我需要安装“antiword”，但问题是我不知道该怎么做。这是下载“antiword”的链接:http://www-stud.rbi.informatik.uni-frankfurt.de/~markus/antiword/

有人可以帮助我吗？

Answer 1

我现在也在研究这个问题，据我所知，Python 没有直接的 API。但您始终可以从命令行使用它。

antiword -f file.doc > file.txt
antiword -p letter file.doc > file.pdf

并从 python 运行此命令。

os.system('antiword foo.doc > foo.txt')