Ubuntu系统中Python读取.doc与.docx文档内容的方法

首先介绍如何读取.docx格式的文档。

实现该功能主要依赖python-docx库。

第一步，安装python-docx库。

sudo pip install python-docx 

第二步，利用python-docx库读取文档数据。

#encoding:utf8 
import docx 
doc = docx.Document('test.docx') 
docText = '\n'.join([paragraph.text for paragraph in doc.paragraphs]) 
#print(docText) 

需要注意的是，python-docx库无法处理旧版的.doc文档。若需读取.doc内容，必须使用antiword工具。

接下来介绍如何读取.doc格式的文档。

第一步，访问官方网站下载antiword软件。

第二步，解压下载文件，进入解压后的目录，依次执行make和make install命令完成安装。

第三步，通过antiword命令读取.doc文档的具体内容。

#encoding:utf8 
import subprocess 
word = 'test.doc' 
output = subprocess.check_output(['antiword',word]) 
print(output) 

以上即为在Ubuntu系统中使用Python读取doc和docx文档内容的完整教程，希望能为读者提供有效参考。