python中的Doc、rtf和txt阅读器

Question

像csv.reader()一样，还有其他函数可以读取Python中的.rtf、.txt、.doc文件吗？

Answer 1

我真的很头疼尝试做这个简单的word和writer文档。

有一个简单的解决方案：在命令行上调用openoffice将目标文档转换为文本，然后将文本加载到Python中。

我尝试的其他转换工具产生了不可靠的输出，而其他Python oOo库太复杂。

如果只想获取文本以便进行处理，请在linux命令行中使用此命令：

soffice --headless --convert-to txt:Text /path_to/document_to_convert.doc

（如果您想自动化它，可以使用子流程从Python调用它）。

它将创建文本文件，您可以简单地将其加载到python中。

（Credit）

Answer 2

csv是一种特定的格式，因此您需要一个“解析器”来读取它。正如您所提到的，这就是csv模块提供的功能。文本文件（通常以.txt作为后缀）没有任何固定的“格式”，因此您可以在open之后阅读它们（Jesse的回答提供了详细信息）。CSV文件通常是文本文件，因此您的区分不是很准确。

至于RTF，有很多。有关详细信息，请参见this answer。杰西提到的PyRTF似乎是最受欢迎的。

Microsoft Word文档文件（通常以.doc作为后缀）是另一个猛兽，因为格式是专有的。我对Python转换器没有太多经验，但是有一些命令行转换器（比如wvHTML）做得比较好。This question讨论了很多。还有一个选择是让MS-Word自己通过。像Jesse提到的COM接口。

Answer 3

您可以使用

txt = open("file.txt").read()

对于RTF文件，请尝试PyRTF。我认为，除非您是在Windows上，并且可以使用一些本地MS接口来读取这些文件，否则读取MS Word.doc文件是不太可能的。This article声明演示如何编写与Word接口的脚本。