使用python从MS word docx文件中逐页提取文本
我有一个MS docx文件，我需要从它的页面提取文本。 我尝试了python-docx，但它可以提取整个文本，但不页面。 我还将docx转换为pdf，然后尝试文本提取。问题是，在转换之后docx的页面结构发生了变化。例如，在转换时，字体大小发生了变化，docx的一个页面中的文本内容占用了pdf中的多个页面。 我正在寻找一个稳定的解决方案，将提取页面明智的文本从docx(不转换为pdf将更好的为我的整个解决方案)。谁能帮我一下吗? 问题来源StackOverflow 地址：/questions/59385678/extraction-of-text-page-by-page-from-ms-word-docx-file-using-python
展开
收起
1
条回答
写回答
写回答
-
在我看来，docx格式(因此也包括python docx库)只支持段落和部分。 因此，实际上分页并不存储在docx文件中，而是由呈现引擎执行的: 本页有更多的背景，如果必须保持分页，建议使用PDF。
2019-12-25 22:16:17赞同 展开评论 打赏
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
相关问答
问答排行榜
最热
最新
推荐问答
相关文章
相关电子书
更多
