如何使用 python-docx 从现有的 docx 文件中提取文本

Question

我正在尝试使用 python-docx 模块（ pip install python-docx ）但它似乎非常令人困惑，因为在 github repo 测试示例中他们正在使用 opendocx 函数 butthedoc 他们正在使用 Document 类。即使他们只展示如何向 docx 文件添加文本，而不是读取现有文件？

第一个 ( opendocx ) 不起作用，可能已弃用。对于第二种情况，我试图使用：

 from docx import Document

document = Document('test_doc.docx')
print(document.paragraphs)

它返回了一个列表 <docx.text.Paragraph object at 0x... >

然后我做了：

 for p in document.paragraphs:
    print(p.text)

它返回了所有文本，但几乎没有遗漏任何东西。所有 URL（CTRL+CLICK 转到 URL）都没有出现在控制台的文本中。

问题是什么？为什么缺少网址？

我如何在不遍历循环的情况下获得完整的文本（类似于 open().read() ）

原文由 Nancy 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

你可以试试这个

import docx

def getText(filename):
    doc = docx.Document(filename)
    fullText = []
    for para in doc.paragraphs:
        fullText.append(para.text)
    return '\n'.join(fullText)

原文由 Chinmoy Panda 发布，翻译遵循 CC BY-SA 3.0 许可协议