Dolgozás DOCX Readerrel

Dolgozás DOCX Readerrel

A Bizottság DocumentReader az Office Open XML (.docxA Light Document Model (LDM) az absztrakt adatstruktúra, amely a bekezdéseket, táblázatokat, formákat, képeket és formázást kezelve teszi elérhetővé a tartalmat manipulálásra vagy átalakításra.

DOCX fájlt olvasás

A legegyszerűbb megközelítés a Document a konstruktor, amely automatikusan kiválasztja az alábbiakat: DocumentReader a következők: .docx fájlok:

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)

Dokumentumolvasó architektúra

DocumentReader két mixint használ a felelősség megosztására:

Mindhárom belsőleg együttműködik a végeredményekkel az átfogó kommunikáció révén lépnek kapcsolatba. Document API.

A szöveg kivonása

Használat get_text() egy betöltött dokumentumban egyszerű szöveg kivonására, fájlba mentés nélkül:

import aspose.words_foss as aw

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

A bekezdésekkel és a formázással való foglalkozás

Az LDM-n keresztül hozzáférhetőek az bekezdések szintjén lévő tulajdonságok:

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}")

Mindenki. Run a font tulajdonságait (töke, kursiv, méret, szín) hordozza, amelyeket az DOCX XML-ből elemzett.

A formák és képek kezelése

A Bizottság ShapeParserMixin Az elemek az LDM-ben úgy jelennek meg, mint a következők: ShapeNode a bekezdés tartalmában szereplő tárgyak:

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}")

Tippek és legjobb gyakorlatok

• Használat Document("file.docx") a szabványos munkafolyamatok automatikusan kezeli az olvasó kiválasztását, csomagértékelést és LDM-építést.
• A stream-alapú bemenetelhez (webfelvétel) egy fájlhoz hasonló objektumot kell átadni a Document - Építő.
• Az asztalokkal rendelkező fájlokhoz a következő formátumban kell hozzáférni: doc.tables vagy a következő: doc.all_tables.
• A sorozatkezeléshez ugyanazt a Python-folyamatot kell újrafelhasználni, hogy elkerüljék az ismételt importát.

Általános kérdések

FAQ

Mi az a fénydokumentummodell (LDM)?

Az LDM a belső megjelenítés, amelyet minden olvasó megoszt. Absztrakció formátum-specifikus részleteket (OPC XML, OLE2 bináris) egy közös struktúra szakaszokat, bekezdéseket, futtatások, táblázatok és alakzatok.

A DocumentReader kezelheti a DOCM (makro-megtámogatás) fájlok?

Makro-megtámogatás .docm A dokumentum tartalmát a olvasó fel tudja mérni, de nem tárolható vagy futtatható.

Hogyan kezeli a olvasó nagy dokumentumokat?

Az olvasó a XML részeket sorrendesen feldolgozza. A memóriafelhasználás mérete az okmány méretével függ. Nagyon nagy dokumentumok esetében gondoljunk el egyes szakaszok feldolgozására.

API-referencia összefoglaló