Εργασία με το DOCX Reader

Εργασία με το DOCX Reader

Η DocumentReader class διαβάζει Office Open XML (.docxΗ Ελλάδα έχει ήδη καταρτίσει ένα πρόγραμμα για την ανάπτυξη της τεχνολογίας του ηλεκτρονικού εξοπλισμού.

Διαβάζοντας ένα αρχείο DOCX

Η απλούστερη προσέγγιση είναι η χρήση του Document κατασκευαστή, ο οποίος επιλέγει αυτόματα: DocumentReader για το .docx αρχεία:

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)

Αρχιτεκτονική του DocumentReader

DocumentReader χρησιμοποιεί δύο συνδυασμούς για την κατανομή των αρμοδιοτήτων:

Οι τρεις εργάζονται μαζί εσωτερικά. Ενεργοποιείτε το αποτέλεσμα μέσω του συστήματος ελέγχου των επιδόσεων και της τεχνολογίας. Document API.

Εξήγηση κειμένου

Χρήση: get_text() σε φορτισμένο έγγραφο για την εξαγωγή κειμένου χωρίς αποθήκευση σε αρχείο:

import aspose.words_foss as aw

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

Εργασία με παραγράφους και μορφοποίηση

Πρόσβαση σε ιδιότητες επιπέδου παραγράφου μέσω του 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}")

Κάθε ένα. Run μεταφέρει ιδιότητες γραμματοσειράς (περίφρασμα, ιταλικά, μέγεθος, χρώμα) που αναλύθηκαν από το DOCX XML.

Χειραγώγηση Σχημάτων και Εικόνων

Η ShapeParserMixin Τα σχήματα εμφανίζονται στο LDM ως: ShapeNode αντικείμενα εντός περιεχομένου παραγράφου:

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}")

Συμβουλές και Καλύτερες Πρακτικές

• Χρήση: Document("file.docx") για τις τυποποιημένες ροές εργασίας χειρίζεται αυτόματα την επιλογή αναγνώστης, τη επικύρωση πακέτου και την κατασκευή LDM.
• Για εισροές που βασίζονται σε ροή (υποβάσεις στο διαδίκτυο), περάστε ένα αντικείμενο σαν αρχείο στην Document Κατασκευαστής.
• Για αρχεία με πίνακες, πρόσβαση σε αυτά μέσω του παραρτήματος “Διαβάστε” της ιστοσελίδας. doc.tables ή doc.all_tables.
• Για τη διαδικασία παρτίδας, επαναχρησιμοποιήστε την ίδια διαδικασία Python για να αποφευχθεί η επανάληψη των επιπλέον δαπανών εισαγωγής.

Κοινά ζητήματα

FAQ

Τι είναι το μοντέλο ελαφρού εγγράφου (LDM);?

Το LDM είναι η εσωτερική αναπαράσταση που μοιράζεται σε όλους τους αναγνώστες. Αποκλείει λεπτομέρειες ειδικής μορφής (OPC XML, OLE2 δυαδικό) σε μια κοινή δομή τμημάτων, παραγράφων, τρέχων, πινάκων και σχημάτων.

Μπορεί το DocumentReader να χειριστεί αρχεία DOCM (με δυνατότητα μακροστοιχίας);?

Ενεργοποιημένη μακροστοιχία .docm Το πρόγραμμα αναγνώρισης μπορεί να αναλύσει το περιεχόμενο του εγγράφου, αλλά οι μακρογραφίες δεν διατηρούνται ή εκτελούνται.

Πώς χειρίζεται ο αναγνώστης μεγάλα έγγραφα;?

Ο αναγνώστης επεξεργάζεται τα τμήματα XML διαδοχικά. Η χρήση μνήμης κλιμακώνεται με το μέγεθος του εγγράφου. Για πολύ μεγάλα έγγραφα, εξετάστε την επεξηγημένη ενότητα ξεχωριστά.

Συνοπτική αναφορά API