Práca s čítačom DOCX

Práca s čítačom DOCX

Úrad pre bezpečnosť a ochranu zdravia DocumentReader trieda číta Office Open XML (.docx) súbory a vytvára abstraktnú štruktúru údajov model svetlého dokumentu (LDM). spracováva odseky, tabuľky, tvary, obrázky a formátovanie, čím sa obsah sprístupňuje na manipuláciu alebo konverziu.

Čítanie súboru DOCX

Najjednoduchším prístupom je použitie Document Konstruktor, ktorý automaticky vyberie: DocumentReader pre: .docx súbory:

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)

Architektúra čítačky dokumentov

DocumentReader používa dve mixiny na rozdelenie zodpovednosti:

Všetky tri sú v rámci interného partnerstva s výsledkom komunikujete prostredníctvom systému. Document API.

Vytlačenie textu

Použitie: get_text() na načítaný dokument pre extrakciu jednoduchého textu bez uloženia do súboru:

import aspose.words_foss as aw

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

Práca s odsekmi a formátovaním

Prístup k vlastnostiam na úrovni odseku prostredníctvom 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}")

Každá z nich. Run nesie vlastnosti písma (drsné, kurzivité, veľkosť, farba), ktoré boli analyzované z DOCX XML.

Používanie tvarov a obrazov

Úrad pre bezpečnosť a ochranu zdravia ShapeParserMixin Objekty sa zobrazujú v LDM ako: ShapeNode predmety v rámci obsahu odseku:

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}")

Tipy a najlepšie postupy

• Použitie: Document("file.docx") pre štandardné pracovné postupy automaticky spracováva výber čítača, validáciu balíka a konštrukciu LDM.
• Pre vstup založený na toku (nahrávanie do webu) prejdite objekt podobný súboru k Document Konštruktor.
• Pre súbory s tabuľkami, prístup k nim prostredníctvom: doc.tables alebo: doc.all_tables.
• Pre dávkové spracovanie opätovne použite rovnaký proces Python, aby sa predišlo opakovaným nákladom na dovoz.

Spoločné problémy

FAQ

Čo je svetelný dokumentový model (LDM)?

LDM je vnútorná reprezentácia zdieľaná všetkými čitateľmi. Abstrakcie sú formátové detaily (OPC XML, binárny OLE2) do spoločnej štruktúry sekcií, odsekov, prebiehajúcich funkcií a tvarov.

Dokáže DocumentReader spracovať súbory s možnosťou makro?

Makro-povoľné .docm Súbory používajú rovnakú štruktúru OPC. Čitateľ môže analyzovať obsah dokumentu, ale makry nie sú uchovávané ani vykonávané.

Ako čitateľ zvládne veľké dokumenty?

Čítač spracováva časti XML postupne. Použitie pamäte sa škáli s veľkosťou dokumentu. Pre veľmi veľké dokumenty zvážte spracovanie sekcií individuálne.

Zhrnutie referenčného API