Werken met DOC Reader

Werken met DOC Reader

Aspose.Words FOSS voor Python bevat een speciale lezer voor legacy Word 97-2003 .doc bestanden. De DocFileReader klasse parseert het OLE2 binaire formaat en produceert een Light Document Model (LDM) dat kan worden gemanipuleerd of geconverteerd naar andere formaten.

DOC-bestand laden

Gebruik DocFileReader om een .doc bestand van schijf te openen en het te converteren naar een Document:

import aspose.words_foss as aw

doc = aw.Document("report.doc")
print(f"Paragraphs: {len(doc.all_paragraphs)}")

De Document constructor delegeert naar create_reader(), die DocFileReader automatisch selecteert op basis van de .doc extensie.

Direct gebruik van DocFileReaderCore

Voor lagere-niveau controle, instantieer DocFileReaderCore en roep zijn load-methoden aan:

from aspose.words_foss.doc_reader.doc_file_reader_core import DocFileReaderCore

reader = DocFileReaderCore()
reader.load_file("legacy.doc")

DocFileReaderCore biedt drie invoermethoden:

Bouwen van het Light Document Model

Na het laden, roep to_light_document() aan op DocFileReader om een LDM Document te produceren:

from aspose.words_foss.doc_reader.doc_file_reader import DocFileReader

reader = DocFileReader()
reader.load_file("input.doc")
ldm_doc = reader.to_light_document()

De LDM is de interne representatie die wordt gedeeld door alle lezers (DocFileReader, DocumentReader, TextFileReader). Zodra je een LDM-document hebt, kun je het opslaan in elk ondersteund uitvoerformaat.

Het DocumentFormatReader Protocol

Alle lezers implementeren het DocumentFormatReader protocol, dat de gemeenschappelijke interface definieert: load_file(), load_stream() en load_bytes(). De create_reader()-fabrieksfunctie geeft de juiste lezer terug op basis van de bestandsextensie:

from aspose.words_foss.reader_factory import create_reader

reader = create_reader("data.doc")  # returns DocFileReader
reader.load_file("data.doc")

Tips en best practices

• Gebruik de high-level Document("file.doc") constructor voor de meeste workflows — hij behandelt de lezerselectie automatisch.
• Gebruik DocFileReaderCore alleen wanneer je directe toegang tot de binaire parse-laag nodig hebt.
• Voor bestanden die ontvangen worden als bytes (bijv. van HTTP-uploads), geef de voorkeur aan load_bytes() om het schrijven van tijdelijke bestanden te vermijden.
• De DOC-lezer ondersteunt dezelfde round-trip-fideliteit als de DOCX-lezer voor tekst, alinea’s en basisopmaak.

Veelvoorkomende problemen

FAQ

Wat is het verschil tussen DocFileReader en DocFileReaderCore?

DocFileReaderCore behandelt de low-level binaire parsing van het OLE2-formaat. DocFileReader breidt dit uit door de to_light_document()-methode toe te voegen die een volledige LDM Document produceert die geschikt is voor conversie.

Kan ik een DOC-bestand laden vanuit een stream?

Ja. Gebruik DocFileReaderCore.load_stream(stream) of geef een bestand-achtig object door. Dit is handig voor webtoepassingen waarbij bestanden als streams worden geüpload.

Ondersteunt de DOC-lezer wachtwoordbeveiligde bestanden?

Wachtwoordbeveiligde .doc bestanden worden momenteel niet ondersteund. De lezer zal een uitzondering werpen als het bestand versleuteld is.

API Reference Samenvatting

Zie ook

• Aspose.Words for Python — Enterprise Documentation