Construir um modelo de documento leve com o DocumentReader

DocumentReader é o ponto de entrada para a leitura dos ficheiros DOCX no Aspose.Words FOSS. Aceita entrada como um caminho de arquivo, uma corrente de E/S ou bytes brutos e expõe o documento como um light_document_model.Document (LDM) um objeto Python estruturado árvore que é fácil de inspeccionar e transformar.

Precondições

Requisitos	Detalhes
Python	3.9 or later
Pacote de produtos	`aspose-words-foss` (licenciado pelo MIT)
Input (input)	A. - Não . `.docx` arquivo, fluxo ou `bytes`

pip install aspose-words-foss

Carregamento a partir de um caminho de arquivo

DocumentReader.load_file(filepath) Lida um arquivo DOCX por caminho. to_light_document() A Comissão não pode, por conseguinte, tomar medidas para evitar que a situação se torne mais difícil.

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))

Carregamento a partir de um fluxo

DocumentReader.load_stream(stream) aceita qualquer objeto tipo arquivo com um read() método. Isto é útil para dados provenientes de respostas HTTP, arquivos ZIP ou Buffers de memória.

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))

Carregamento a partir de bytes

DocumentReader.load_bytes(data) aceita um bytes ou a) bytearray Objeto. Utilização Este é o caso quando o conteúdo DOCX já está na memória (por exemplo, obtido de uma base de dados). ou construída programaticamente).

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])

Navegação na estrutura do LDM

Depois de ligares . to_light_document(), o retorno Document O objeto expõe o Árvore de documento completo:

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)

Leitura do texto completo do documento

Document.text Retorna o conteúdo completo do documento em texto simples, concatenando todo o texto do parágrafo em todas as secções:

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

Dicas e melhores práticas

Sempre ligue. load_file(), load_stream(), ou load_bytes() Antes de ligares. to_light_document() chamando to_light_document() num leitor descarregado pode apresentar um erro ou devolver um documento vazio.
Utilização: load_bytes() quando você controla o ciclo de vida do documento na memória; evita abertura de arquivos.
Utilização: doc.all_paragraphs para uma iteração plana em todos os parágrafos; utilizar doc.sections Quando é preciso trabalhar secção por seção.
DocumentReader instrumentos de trabalho LdmBuilderMixin, o que significa: to_light_document() está disponível como um método de mistura a mesma interface é compartilhada com outro leitor Aulas na biblioteca.

Problemas comuns

Emissão	Causa da morte	Correção
Vazio. - Não . `doc.sections` após carga	Arquivo não é um DOCX válido	Verifique se o arquivo é aberto no Word; verifique que não está protegido por senha
`doc.all_paragraphs` está vazio.	Documentos sem texto no corpo (por exemplo, apenas cabeçalhos/pedaços de página)	Verificação `doc.header_paragraphs` e a) `doc.footer_paragraphs` em vez disso .
`AttributeError` em 1 de Setembro de `to_light_document()`	Método de carga não chamado antes da conversão	Ligue para um dos nossos serviços. `load_file()`, `load_stream()`, ou `load_bytes()` Primeiro .

FAQ

O que é a DL?

O modelo de documento leve (light_document_model.Document) é um abstracto, Árvore de objetos nativa Python que representa um documento do Word. Separa a lógica do documento do formato binário DOCX e é projetado para fácil manipulação programática.

Posso modificar o LDM e escrever de volta para DOCX?

Sim, depois de modificar o sistema. doc Objeto, passe-o para o LdmDocxWriter.write(doc, path) para produzir um arquivo DOCX atualizado. Ver o Guia de escritores LdmDocx Para detalhes.

O que é? `LdmBuilderMixin` - Adicionar?

LdmBuilderMixin O Conselho Europeu de to_light_document() método. DocumentReader herda dele, então você sempre acessar este método através da instância de leitura.

Resumo de referência da API

Classe / Método	Descrição:
`DocumentReader`	Leia a entrada DOCX e constrói a representação LDM
`DocumentReader.load_file(filepath)`	Carregar um arquivo DOCX por caminho
`DocumentReader.load_stream(stream)`	Cargas de um fluxo semelhante a arquivo
`DocumentReader.load_bytes(data)`	Cargas de um `bytes` objeto
`DocumentReader.to_light_document()`	Retorna o documento carregado como um LDM `Document`
`LdmBuilderMixin`	Mixin que fornece: `to_light_document()`
`Document.sections`	Lista de secções do documento
`Document.all_paragraphs`	Lista plana de todos os parágrafos
`Document.text`	Texto simples completo do documento
`Document.page_count`	Número de páginas
`Document.headings(max_level)`	Lista de parágrafos dos títulos até ao `max_level`

Ver também:

Aspose.Words for Python — Enterprise Documentation

Construir um modelo de documento leve com o DocumentReader