python-docx 中的页眉和页脚

Question

我想阅读 Python 中 docx 文件的页眉和页脚文本。我正在使用 python-docx 模块。

我找到了这个文档 - http://python-docx.readthedocs.io/en/latest/dev/analysis/features/header.html

但我认为它还没有实现。我还看到 github 中有一个 "feature-headers" 分支用于 python-docx - https://github.com/danmilon/python-docx/tree/feature-headers

似乎这个功能从未进入 master 分支。有人用过这个功能吗？你能帮我看看怎么用吗？

非常感谢。

Answer 1

这个问题有更好的解决办法：

用于提取的方法

使用 MS XML Word 文档

只需使用 zip 模块压缩 word 文档，它会让您访问 xml 格式的 word 文档，然后您可以使用简单的 xml 节点提取文本。

以下是从 docx 文件中提取页眉、页脚和文本数据的工作代码。

try:
    from xml.etree.cElementTree import XML
except ImportError:
    from xml.etree.ElementTree import XML
import zipfile

WORD_NAMESPACE = '{http://schemas.openxmlformats.org/wordprocessingml/2006/main}'
PARA = WORD_NAMESPACE + 'p'
TEXT = WORD_NAMESPACE + 't'


def get_docx_text(path):
    """
    Take the path of a docx file as argument, return the text in unicode.
    """
    document = zipfile.ZipFile(path)
    contentToRead = ["header2.xml", "document.xml", "footer2.xml"]
    paragraphs = []

    for xmlfile in contentToRead:
        xml_content = document.read('word/{}'.format(xmlfile))
        tree = XML(xml_content)
        for paragraph in tree.getiterator(PARA):
            texts = [node.text
                     for node in paragraph.getiterator(TEXT)
                     if node.text]
            if texts:
                textData = ''.join(texts)
                if xmlfile == "footer2.xml":
                    extractedTxt = "Footer : " + textData
                elif xmlfile == "header2.xml":
                    extractedTxt = "Header : " + textData
                else:
                    extractedTxt = textData

                paragraphs.append(extractedTxt)
    document.close()
    return '\n\n'.join(paragraphs)


print(get_docx_text("E:\path_to.docx"))

python-docx 中的页眉和页脚

headers and footers in python-docx

python-docx