Membangun Model Dokumen Ringan dengan DocumentReader

DocumentReader adalah titik masuk untuk membaca file DOCX di Aspose.Words FOSS. Ia menerima input berupa jalur file, aliran I/O, atau byte mentah, kemudian mengekspose dokumen sebagai light_document_model.Document (LDM) — sebuah pohon objek Python terstruktur yang mudah untuk diperiksa dan diubah.

Prasyarat

Persyaratan	Detail
Python	3.9 atau lebih baru
Package	`aspose-words-foss` (berlisensi MIT)
Input	Sebuah file `.docx`, aliran, atau `bytes`

pip install aspose-words-foss

Memuat dari Jalur File

DocumentReader.load_file(filepath) membaca file DOCX melalui jalur. Panggil to_light_document() setelahnya untuk memperoleh representasi LDM.

from aspose.words_foss import DocumentReader

reader = DocumentReader()
reader.load_file("data/report.docx")
doc = reader.to_light_document()

print("Page count:", doc.page_count)
print("Sections:", len(doc.sections))

Memuat dari Aliran

DocumentReader.load_stream(stream) menerima objek mirip file apa pun dengan metode read(). Ini berguna untuk data yang berasal dari respons HTTP, arsip ZIP, atau buffer dalam memori.

from aspose.words_foss import DocumentReader

reader = DocumentReader()
with open("data/report.docx", "rb") as fh:
    reader.load_stream(fh)

doc = reader.to_light_document()
print("Paragraphs:", len(doc.all_paragraphs))

Memuat dari Byte

DocumentReader.load_bytes(data) menerima objek bytes atau bytearray. Gunakan ini ketika konten DOCX sudah berada di memori (mis. diambil dari basis data atau dibangun secara programatis).

from aspose.words_foss import DocumentReader

with open("data/report.docx", "rb") as fh:
    data = fh.read()

reader = DocumentReader()
reader.load_bytes(data)
doc = reader.to_light_document()
print("Text preview:", doc.text[:200])

Menavigasi Struktur LDM

Setelah memanggil to_light_document(), objek Document yang dikembalikan menampilkan seluruh pohon dokumen:

from aspose.words_foss import DocumentReader

reader = DocumentReader()
reader.load_file("data/report.docx")
doc = reader.to_light_document()

# Sections
for section in doc.sections:
    print("Section paragraphs:", len(section.paragraphs))

# All paragraphs (flat list across all sections)
for para in doc.all_paragraphs:
    if para.text.strip():
        print(" -", para.text[:80])

# Headings
for heading in doc.headings(max_level=2):
    print("H:", heading.text)

Membaca Teks Dokumen Lengkap

Document.text mengembalikan konten teks polos lengkap dari dokumen, menggabungkan semua teks paragraf di semua bagian:

reader = DocumentReader()
reader.load_file("data/report.docx")
doc = reader.to_light_document()
print(doc.text[:500])

Tips dan Praktik Terbaik

Selalu panggil load_file(), load_stream(), atau load_bytes() sebelum memanggil to_light_document() — memanggil to_light_document() pada pembaca yang belum dimuat dapat menimbulkan kesalahan atau mengembalikan dokumen kosong.
Gunakan load_bytes() ketika Anda mengendalikan siklus hidup dokumen di memori; ini menghindari pembukaan handle file.
Gunakan doc.all_paragraphs untuk iterasi datar atas semua paragraf; gunakan doc.sections ketika Anda perlu bekerja per seksi.
DocumentReader mengimplementasikan LdmBuilderMixin, yang berarti to_light_document() tersedia sebagai metode mixin — antarmuka yang sama dibagikan dengan kelas pembaca lain dalam perpustakaan.

Masalah Umum

Masalah	Penyebab	Perbaikan
Kosong `doc.sections` setelah dimuat	File bukan DOCX yang valid	Verifikasi file dapat dibuka di Word; periksa apakah tidak dilindungi kata sandi
`doc.all_paragraphs` kosong	Dokumen tidak memiliki teks utama (misalnya hanya header/footer)	Periksa `doc.header_paragraphs` dan `doc.footer_paragraphs` sebagai gantinya
`AttributeError` pada `to_light_document()`	Metode load tidak dipanggil sebelum konversi	Panggil salah satu `load_file()`, `load_stream()`, atau `load_bytes()` terlebih dahulu

FAQ

Apa itu LDM?

Model dokumen ringan (light_document_model.Document) adalah pohon objek yang diabstraksi, Python-native, yang mewakili dokumen Word. Ia memisahkan logika dokumen dari format biner DOCX dan dirancang untuk manipulasi programatik yang mudah.

Apakah saya dapat memodifikasi LDM dan menulisnya kembali ke DOCX?

Ya. Setelah memodifikasi doc objek, serahkan ke LdmDocxWriter.write(doc, path) untuk menghasilkan file DOCX yang diperbarui. Lihat Panduan LdmDocxWriter untuk rincian.

Apa yang ditambahkan oleh `LdmBuilderMixin`?

LdmBuilderMixin menyediakan metode to_light_document(). DocumentReader mewarisinya sehingga Anda selalu mengakses metode ini melalui instance pembaca.

API Reference Ringkasan

Kelas / Metode	Deskripsi
`DocumentReader`	Membaca masukan DOCX dan membangun representasi LDM
`DocumentReader.load_file(filepath)`	Memuat file DOCX berdasarkan jalur
`DocumentReader.load_stream(stream)`	Muat dari aliran yang mirip file
`DocumentReader.load_bytes(data)`	Muat dari objek `bytes`
`DocumentReader.to_light_document()`	Mengembalikan dokumen yang dimuat sebagai LDM `Document`
`LdmBuilderMixin`	Mixin yang menyediakan `to_light_document()`
`Document.sections`	Daftar bagian dalam dokumen
`Document.all_paragraphs`	Daftar datar semua paragraf
`Document.text`	Isi teks polos lengkap dokumen
`Document.page_count`	Jumlah halaman
`Document.headings(max_level)`	Daftar paragraf heading hingga `max_level`

Lihat Juga

Aspose.Words for Python — Enterprise Documentation

Membangun Model Dokumen Ringan dengan DocumentReader