doc2text Python 示例

doc2text 是一个 Python 库，可将 Word、PDF 和其他格式的文档转换为纯文本。它可以在数据处理、文本分析、自然语言处理等领域被广泛应用。

安装

可以使用 pip 安装 doc2text：

pip install doc2text

使用示例

以下示例演示了如何使用 doc2text 将 Word 文档转换为纯文本。

import doc2text

# 将 Word 文档转换为纯文本
text = doc2text.process('example.docx')

# 打印纯文本
print(text)

返回的纯文本将保留所有文本内容，包括换行符。如果要将纯文本保存到文件中，请使用以下代码：

import doc2text

# 将 Word 文档转换为纯文本
text = doc2text.process('example.docx')

# 将纯文本保存到文件中
with open('example.txt', 'w', encoding='utf-8') as f:
    f.write(text)

支持的文档格式

doc2text 目前支持以下文档格式：

• Microsoft Word (.docx)
• Microsoft PowerPoint (.pptx)
• Adobe PDF (.pdf)
• OpenDocument Text (.odt)
• Rich Text Format (.rtf)
• HTML (.html)

总结

doc2text 是一个非常方便的 Python 库，可将 Word、PDF 和其他格式的文档转换为纯文本。它易于使用，并支持多种常见的文档格式。在数据处理、文本分析和自然语言处理方面，doc2text 可以帮助程序员更快地获得所需的文本信息。