Lavorare con DOCX Reader

Lavorare con DOCX Reader

Il Consiglio ha adottato: DocumentReader classe Office Open XML (.docx) e produce una struttura di dati astratta il Light Document Model (LDM). gestisce paragrafi, tabelle, forme, immagini e formattazione, rendendo disponibile il contenuto per la manipolazione o conversione.

Leggere un file DOCX

L’approccio più semplice è quello di utilizzare il sistema di controllo del valore. Document costruttore, che seleziona automaticamente: DocumentReader per il .docx file:

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)

Architettura del documentReader

DocumentReader utilizza due mixins per dividere le responsabilità:

Tutti e tre lavorano insieme internamente interagisci con il risultato attraverso la rete di ricerca. Document API.

Estrazione di testo

Utilizzo: get_text() su un documento caricato per estrarre testo semplice senza salvare in file:

import aspose.words_foss as aw

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

Lavorare con i paragrafi e la formattazione

Accesso alle proprietà a livello di paragrafo tramite il 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}")

Ogni Run porta proprietà di carattere (in grassetto, in corsivo, dimensione, colore) che sono state analizzate dall’XML DOCX.

Come gestire le forme e le immagini

Il Consiglio ha adottato: ShapeParserMixin Le forme appaiono nel LDM come: ShapeNode oggetti contenuti nei paragrafi:

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}")

Suggerimenti e migliori pratiche

• Utilizzo: Document("file.docx") per i flussi di lavoro standard gestisce automaticamente la selezione del lettore, la convalida dei pacchetti e la costruzione dell’LDM.
• Per l’input basato su stream (uploads web), passare un oggetto file-like al Document - Costruitore.
• Per i file con tabelle, accedere tramite doc.tables o di più. doc.all_tables.
• Per l’elaborazione a batch, riutilizzare lo stesso processo Python per evitare costi aggiuntivi di importazione ripetuti.

Problemi comuni

FAQ

Che cos’è il modello di documento leggero (LDM)?

LDM è la rappresentazione interna condivisa tra tutti i lettori. Esso astrae dettagli specifici del formato (OPC XML, binario OLE2) in una struttura comune di sezioni, paragrafi, run, tabelle e forme.

DocumentReader può gestire file DOCM (con macro abilitati)?

Macro abilitato .docm I file utilizzano la stessa struttura OPC. Il lettore può analizzare il contenuto del documento, ma le macro non vengono conservate o eseguite.

Come gestisce il lettore i documenti di grandi dimensioni?

Il lettore elabora le parti XML in sequenza. L’utilizzo della memoria si scala con la dimensione del documento. Per documenti molto grandi, considerare l’elaborazione delle sezioni individualmente.

Riassunto di riferimento API