（Python）与 RE 和 .txt 格式化有些麻烦

Question

这里有点小麻烦。手头的任务是解析.txt文件中的某些字符串。我正在使用RE来帮助解决这个问题，但这条线不起作用：

s = 'Qty'
for line in txtdoc:
    if s in line:
        quantity = re.search(':[1-9]', line)
        print(quantity.group())

以及要解析的文本（来自我的txtdoc文件中的一行）：

stringstringQty:1stringstring

我应该看到打印的“：1”对吗？相反，它给出了一个错误，因为“quantity”变量为空。我也试过使用关于芬德尔它只打印了一个空集“[]”。你知道吗

现在，我想这可能与.txt文件的格式化有关，因为名义上我需要的数据是MS Word。我有一个脚本，将doc这个词保存为.txt，然后我尝试解析它。你知道吗

当我在这里尝试解析的行并将其复制/粘贴到Outlook或MS Word时，它会自动设置如下格式：

string
string
Qty:
1
string
string

所以在看到之后，我试着

re.search(r':/n[1:9]', line)

但这也不管用。有什么想法吗？我本想提供更多的代码，但我在工作中一直在做这个，回家后就一直在想这个问题，所以我不得不失去记忆。你知道吗

Answer 1

问题是你有一个Word.doc文件，而不是一个文本文件。你知道吗

Word文件本质上是一系列格式化文本。（实际上比这更复杂，它是一棵各种各样的树，其中一些是文本的运行，但现在让我们保持简单。）

在“经典”Word格式中，每个运行都是一个字节字符串。在现代（DOCX，又名office2007，又名officeopenxml，又名WordML）Word格式中，它们中的每一个都是树中的一个XML节点。但是不管怎样，如果一个运行以:结束，另一个运行以1开始，您都不会在文件中找到:1；您会发现:后跟一堆cruft（一个二进制对象的结尾和下一个二进制对象的开头，或者一个XML节点的结尾和下一个XML节点的开头，可能中间有其他对象/节点），然后是1。你知道吗

如果不真正解析单词格式，就没有好的方法来处理这个问题。你知道吗

所以，最大的问题是，你有哪种格式？你知道吗

---

如果是DOCX，那基本上只是一个XML文件，或者一个包含XML文件的ZIP文件，您可以用Python本地解析它，或者更好地，使用一个像^{}这样的模块为您完成所有的艰苦工作。你知道吗

如果它是经典文档，那么解析它的唯一方法就是阅读人们多年来编写的反向工程文档，并编写一些讨厌的代码来处理它。当然，你也可以用别人已经写过的代码。在本例中，我不知道任何python模块会有帮助，但是您可以通过subprocess非常轻松地控制^{}程序。你知道吗

---

或者，如果你有一个程序可以读取你机器上的文件，比如Windows上的Word或Wordpad/Write，或者Mac上的iWork页面，或者OpenOffice.org/Libre任何平台上的办公室，你都可以编写脚本。Python有很好的包装器，可以与Windows上的COM接口和Mac上的AppleScript接口进行通信，OO.o/Libre是为可编写脚本而构建的。你知道吗

This blog post是通过pywin32在Windows上使用Word处理文档文件的一个很好的例子。您可以使用它作为您自己的代码的起点，从每个文件中提取文本，或使Word用于搜索您，或仅保存每个文件的纯文本副本，然后您可以对其执行任何操作。网上还有成百上千的类似例子，还有类似的例子，比如用appscript或ScriptingBridge在Mac上做等价的操作，或者用VBA代替Python从Word内部编写脚本等等。要知道编写Word脚本时有哪些功能可用，请参阅Word 2013 developer reference，如果没有，请参阅早期版本的类似文档有了2013，或者只要在AppleScript编辑器中“打开字典”，看看Word的字典，如果你有Mac的话。你知道吗