我们需要用到一个python强大的库:python-dox
直接
pip install python-docx
在项目中加个赤壁赋.docx的空文件
附上完整的python代码
from docx import Document from docx.shared import Inches from docx.enum.text import WD_ALIGN_PARAGRAPH from docx.oxml.ns import qn titleName = "赤壁赋" author = " " # 作者名字 time = "宋" paragraphs = [ '''壬戌之秋,七月既望,苏子与客泛舟游于赤壁之下。清风徐来,水波不兴。举酒属客,诵明月之诗,歌窈窕之章。少焉,月出于东山之上,徘徊于斗牛之间。白露横江,水光接天。纵一苇之所如,凌万顷之茫然。浩浩乎如冯虚御风,而不知其所止;飘飘乎如遗世独立,羽化而登仙。''', '''于是饮酒乐甚,扣舷而歌之。歌曰:“桂棹兮兰桨,击空明兮溯流光。渺渺兮于怀,望美人兮天一方。”客有吹洞箫者,倚歌而和之,其声呜呜然:如怨如慕,如泣如诉;余音袅袅,不绝如缕;舞幽壑之潜蛟,泣孤舟之嫠妇苏子愀然,正襟危坐,而问客曰:“何为其然也?”客曰:“月明星稀,乌鹊南飞,此非曹孟德之诗乎?西望夏口,东望武昌。山川相缪,郁乎苍苍;此非孟德之困于周郎者乎?方其破荆州,下江陵,顺流而东也,舳舻千里,旌旗蔽空,酾酒临江,横槊赋诗;固一世之雄也,而今安在哉?况吾与子渔樵于江渚之上,侣鱼虾而友糜鹿,驾一叶之扁舟,举匏樽以相属;寄蜉蝣与天地,渺沧海之一粟。哀吾生之须臾,羡长江之无穷;挟飞仙以遨游,抱明月而长终;知不可乎骤得,托遗响于悲风。”''', '''苏子曰:“客亦知夫水与月乎?逝者如斯,而未尝往也;盈虚者如彼,而卒莫消长也。盖将自其变者而观之,而天地曾不能一瞬;自其不变者而观之,则物于我皆无尽也。而又何羡乎?且夫天地之间,物各有主。苟非吾之所有,虽一毫而莫取。惟江上之清风,与山间之明月,耳得之而为声,目遇之而成色。取之无禁,用之不竭。是造物者之无尽藏也,而吾与子之所共适。”''', '''客喜而笑,洗盏更酌,肴核既尽,杯盘狼藉。相与枕藉乎舟中,不知东方之既白。''' ] # 新建文档 document = Document() document.styles['Normal'].font.name = u'微软雅黑' document.styles['Normal']._element.rPr.rFonts.set(qn('w:eastAsia'), u'微软雅黑') heading1 = document.add_heading('赤壁赋', 0) heading1.alignment = WD_ALIGN_PARAGRAPH.CENTER # 添加作者(居中斜体加粗) p = document.add_paragraph("【作者】") p.alignment = WD_ALIGN_PARAGRAPH.CENTER run = p.add_run(author) run.italic = True run.bold = True # 添加朝代(居中斜体加粗) p.add_run(" 【朝代】") run = p.add_run(time) run.italic = True run.bold = True # 写下文章(首行缩进) for paragraph in paragraphs: p = document.add_paragraph(paragraph) # 创建段落对象 p.paragraph_format.first_line_indent = Inches(0.25) document.save('E:代码练习wms111赤壁赋1.docx')
好了,大功告成
docx文件文字的提取完整代码
from docx import Document # 指定文档路径 docFile = 'E:代码练习wms111赤壁赋1.docx' # 打开文档为Document对象 document = Document(docFile) # 遍历所有的段落保存到text数组 text = [] for para in document.paragraphs: print(para) text.append(para.text) # 打开最终结果 print(' '.join(text))