python - 用python2.7阅读docx

Question

我正在尝试使用以下代码读取包含文件的 docx 文件:

from docx import Document
doc = Document('test.docx')

但是当我尝试打印它时，我得到了这个:

<docx.api.Document object at 0x02952C70>

如何读取文件中的内容？

我读到 docx 最近发生了变化，所以旧的问题/答案不再适用。

Answer 1

在此处查看 Document 对象的结构:

Source code for docx.api

例如，如果你想获取属性“paragraphs”:

doc = Document('test.docx')
paragraphs = doc.paragraphs()

希望对您有所帮助。

编辑:我在 python-docx's gitHub repository 中找到了这个片段并在这里稍微编辑一下:

document = docx.Document(filename)
docText = '\n\n'.join([
    paragraph.text.encode('utf-8') for paragraph in document.paragraphs
])
print docText

join() 函数从 paragraphs 属性返回的数组中的段落接收以 UTF-8 编码的字符串列表。所以结果看起来像:

paragraph 1

paragraph 2

paragraph 3

这看起来可行，但它不打印表格、页眉或页脚。

编辑:此链接是有关 python-docx 的所有文档的主要索引:

python-docx 0.7.4 documentation