Работа с DOCX Reader

Работа с DOCX Reader

Класата DocumentReader чете файлове на Office Open XML (.docx) и произвежда абстрактна структура от данни - Light Document Model (LDM). Тя обработва параграфи, таблици, форми, изображения и форматиране, като прави съдържанието достъпно за манипулация или конвертиране.

Четене на DOCX файл

Най-простият подход е да се използва конструкторът Document, който автоматично избира ̋DicumentReader∂ за файлове ゚.docx∂:

import aspose.words_foss as aw

doc = aw.Document("input.docx")
print(f"Sections: {len(doc.sections)}")
for para in doc.all_paragraphs:
    print(para.text)

Архитектура на читателя на документи

`DocumentReader’) използва две комбинации за разделяне на отговорностите:

Всички тримата работят заедно вътрешно вие взаимодействате с резултата чрез API на документа.

Извличане на текст

Използвайте `get_text()⌒ на зареден документ за извличане на обикновен текст без да го записвате във файл:

import aspose.words_foss as aw

doc = aw.Document("contract.docx")
text = doc.get_text()
print(text[:500])

Работа с параграфи и форматиране

Достъп до свойства на ниво параграф чрез LDM:

import aspose.words_foss as aw

doc = aw.Document("styled.docx")
for para in doc.all_paragraphs:
    for run in para.runs:
        if run.font.bold:
            print(f"Bold: {run.text}")

Всяко Run носи свойства на шрифта (с дебелочерст, курсив, размер, цвят), които са анализирани от DOCX XML.

Отношение към образите и изображенията

ShapeParserMixin извлича елементи за чертеж по време на парсиране. Формите се показват в LDM като обекти ̋Shapenode∂ в съдържание на параграф:

import aspose.words_foss as aw

doc = aw.Document("with-images.docx")
for para in doc.all_paragraphs:
    for node in para.content_sequence:
        if hasattr(node, 'shape_type'):
            print(f"Shape: {node.shape_type}")

Съвети и най-добри практики

• Използвайте `Document(“file.docx”) ■ за стандартни работни потоци автоматично обработва избора на читателя, валидирането на пакета и изграждането на LDM.
• За вход, базиран на потока (вмъкване от уеб), прехвърлете файлов вид обект към конструктора Document.
• За файлове с таблици, достъп до тях се получава чрез doc.tables или ̋doc .all_tables゚.
• За обработка на партиди, използвайте отново същия процес с Python, за да се избегне повтарящ се товар.

Общи проблеми

Часто задавани въпроси

Какво е светлинният документ модел (LDM)?

LDM е вътрешното представяне, споделено между всички читатели. Той абстрахира специфични за формата детайли (OPC XML, OLE2 бинарни) в обща структура от секции, параграфи, пробежки, таблици и форми.

Може ли DocumentReader да обработва файлове DOCM (макро-активирани)?

Файловете с макро-позволено .docm използват същата структура на OPC. Четещият може да анализира съдържанието на документа, но макровете не се запазват или изпълняват.

Как читателят се справя с големи документи?

Четещият обработва частите на XML последователно. Използването на паметта се скалира с размера на документа. За много големи документи, помислете за отделно обработване на секции.

Снимка на API референтна информация