推荐学习书目 Learn Python the Hard Way Python Sites PyPI - Python Package Index http://diveintopython.org/toc/index.html Pocoo 值得关注的项目 PyPy Celery Jinja2 Read the Docs gevent pyenv virtualenv Stackless Python Beautiful Soup 结巴中文分词 Green Unicorn Sentry Shovel Pyflakes pytest Python 编程 pep8 Checker Styles PEP 8 Google Python Style Guide Code Style from The Hitchhiker's Guide
这是一个创建于 951 天前的主题，其中的信息可能已经有所发展或是发生改变。
想提取 word 97 到 2003 的.doc 文件的文本内容，但看了一圈只找到依赖于 antiword 、apache poi 、libreoffce 或者直接用 win32com 调用 msoffice 之类，有没有只需要装模块（ windows 下离线使用）不用额外装其他软件的解决方法？ 搜索了一下看见有一个 olefile 模块，但是需要自己研究 word 文件的文件结构，看了一下资料不但全英文还相当复杂搞不来。。。
 | 1 pppan 2023-03-04 22:49:10 +08:00 |
 | 2 PolarBears 2023-03-04 23:11:35 +08:00 考虑下先转成 docx 再操作?毕竟是私有格式直接操作可能不太好弄 |
 | 3 pcell OP 楼上两位说的 docx 我也有用，问题是现存好一些并非保管在我手上的.doc 需要提取文本，比较无奈。 |
 | 4 ysc3839 2023-03-05 03:04:02 +08:00 via Android catdoc 不行吗？ |
 | 5 mingl0280 2023-03-05 08:30:21 +08:00 via Android 可以自己看二进制 OLE 格式啊，反正微软有文档，自己写一个问题不大吧？ |
 | 6 zhzy 2023-03-05 15:33:45 +08:00 建议打包一个 libreoffice. 自己搞那不是一般复杂, 文档接近 600 页, 不太可能一个人短时间重新实现一遍. pandoc 都不愿意做: [Feature request: support .doc (old MS Word) format Issue #5809 jgm/pandoc]( https://github.com/jgm/pandoc/issues/5809) |
 | 7 byron 2023-03-05 16:13:36 +08:00 antiword 了解下。 |
| 8 pcell OP |
Select Language