Python을 사용하여 Word 문서에서 텍스트 및 이미지 추출

Word 문서에서 콘텐츠를 추출하면 데이터베이스에 콘텐츠 저장, 다른 프로그램으로 콘텐츠 가져오기, 인공 지능 교육 및 기타 문서 작성과 같은 다른 작업에 해당 콘텐츠를 사용할 수 있습니다. Python용 Spire.Doc을 사용하면 많은 복사 및 붙여넣기 또는 복잡한 코딩 없이 Word 문서에서 텍스트와 이미지를 쉽게 추출할 수 있습니다. 이 문서에서는 간단한 코드를 사용하여 Word 문서에서 텍스트와 이미지 콘텐츠를 추출하고 저장하는 방법을 설명합니다.

Python용 Spire.Doc 가져오기

이 도구를 사용하여 Word 문서를 편집하려면 먼저 해당 문서를 프로젝트로 가져와야 합니다. Python 공식 웹사이트 Spire.Doc에서 다운로드하거나 pip를 사용하여 직접 설치할 수 있습니다. 코드는 다음과 같습니다.

pip install Spire.Doc
pip install plum-dispatch==1.7.4

Musterdokument

Word 문서에서 텍스트를 추출하고 TXT 파일에 씁니다.

Python용

Spire.Doc의 Document.GetText() 메서드는 Word 문서의 모든 텍스트를 검색하여 문자열로 반환할 수 있습니다. 반환된 문자열을 저장을 위해 텍스트 파일에 쓸 수 있습니다. 단계는 다음과 같습니다.

• 문서 개체를 생성합니다.
• Word 문서를 로드하려면 Document.LoadFromFile() 메서드를 사용하세요.
• Document.GetText() 메서드를 사용하여 문서에서 텍스트를 가져옵니다.
• Den abgerufenen Text in eine Textdatei schreiben.

코드베슈필

파이썬

Copy
from turtle import st
from spire.doc import *
from spire.doc.common import *

def WriteAllText(fname:str,text:List[str]):
        fp = open(fname,"w")
        for s in text:
            fp.write(s)
        fp.close()

inputFile = "Beispiel.docx"
outputFile = "Extrahierter Text.txt"

#Document-Objekt erstellen  
document = Document()

#Word-Dokument laden
document.LoadFromFile(inputFile)

#Text aus Dokument abrufen
text = document.GetText()

#Text in Textdatei schreiben
WriteAllText(outputFile, text)
document.Close()

추가 텍스트

Word-Dokument extrahieren 및 speichern의 이미지

Das Extrahieren von Bildern ist etwas komplexer. den, ob dessen untergeordnete Objekte Bilder enthalten:

• 문서 개체를 생성합니다.
• Word 문서를 로드하려면 Document.LoadFromFile() 메서드를 사용하세요.
• Eine Warteschlange für zusammengesetzte Objekte erstellen und die Dokumentenelemente hinzufügen.
• Eine Liste zum Speichern der extrahierten Bilder erstellen.
• Die Dokumentenelemente durchlaufen and die untergeordneten Objekte jedes Knotens durchlaufen, um zu prüfen, ob es sich um ein zusammengesetztes Objekt oder Bildobjekt handelt.
• Prüfen, ob das untergeordnete Element ein Bildobjekt ist. Wenn ja, die Bilddaten extrahieren und zur Liste hinzufügen.
• Prüfen, ob das untergeordnete Element ein zusammengesetztes Objekt ist. Wenn ja, zur Warteschlange hinzufügen und weiter prüfen.
• Einen Ordner speichern의 이미지.

코드베슈필

파이썬

Copy
import queue
from spire.doc import * 
from spire.doc.common import *
import os

outputPath = "Bilder/"
inputFile = "Beispiel.docx"

if not os.path.exists(outputPath):
    os.makedirs(outputPath)

#Document-Objekt erstellen
document = Document()  

#Word-Dokument laden
document.LoadFromFile(inputFile)

#Warteschlange erstellen und Dokumentenelemente hinzufügen
nodes = queue.Queue()
nodes.put(document)

#Liste erstellen
images = []

#Dokumentenelemente durchlaufen
while nodes.qsize() > 0:
    node = nodes.get()
    for i in range(node.ChildObjects.Count):
        #Untergeordnetes Objekt des Dokumentenelements abrufen
        child = node.ChildObjects.get_Item(i)
        #Prüfen, ob es ein Bild ist
        if child.DocumentObjectType == DocumentObjectType.Picture:
            picture = child if isinstance(child, DocPicture) else None
            dataBytes = picture.ImageBytes
            #Zur Liste hinzufügen
            images.append(dataBytes)
        #Prüfen, ob es ein zusammengesetztes Objekt ist
        elif isinstance(child, ICompositeObject):
            #Zur Warteschlange hinzufügen
            nodes.put(child if isinstance(child, ICompositeObject) else None)

#Bilder speichern
for i, item in enumerate(images):
    fileName = "Bild-{}.png".format(i)
    with open(outputPath+fileName,'wb') as imageFile:
        imageFile.write(item)

document.Close()

추가 이미지

Der extrahierte Text wird mit angehängten Bewertungsinformationen gespeichert. Sie können die Bewertungsinformationen direkt am Anfang des Textes löschen.

Python용 Spire.Doc을 사용하여 Word 문서에서 텍스트와 이미지를 추출하는 방법을 소개합니다. Python용 Spire.Doc은 다른 많은 문서 작업을 지원합니다. 공식 웹사이트를 확인하거나 Spire.Doc 포럼에 가입하세요.

위 내용은 Python을 사용하여 Word 문서에서 텍스트 및 이미지 추출의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!