Прочитать файл с расширением rtf

@Ципихович Эндрю · Регистрация: 10.04.2009

Студворк — интернет-сервис помощи студентам

здравствуйте, использую код

Python
1
2
3
4
from pyth.plugins.rtf15.reader import Rtf15Reader
 
rtf_текст = Rtf15Reader.read(open(rtf_файл, "r"))
print("len(rtf_текст)", len(rtf_текст))

получаю ошибку
Traceback (most recent call last):
File "C:\pythonProject\main.py", line 104, in <module>
from pyth.plugins.rtf15.reader import Rtf15Reader
ModuleNotFoundError: No module named 'pyth'

что я делаю не так? спс
подзабыл "r" - это чтение, а какой параметр у изменения файла?

Добавлено через 3 часа 54 минуты
читаю инфу, правда она бородатая 2000-х годов
Перейдите к загрузкам, чтобы получить PyRTF
то есть я ещё должен что-то загрузить? ничего по сей день не изменилось?

@0x10 · 03.01.2021, 16:32

Сообщение от Ципихович Эндрю

но с ложкой дёгтя-кракозябрами

В какой кодировке файл? Или давай пример файла с одной строчкой внутри.

@Ципихович Эндрю · 03.01.2021, 16:40 **[ТС]**

Сообщение от Ципихович Эндрю

под шумок поставил двух персонажей Petrovich and pytrovich)) - 100 лет им жизни))

взлетели-сейчас там в топике отпишусь

Добавлено через 6 минут
файл в 52 посте приложен, ну тогда уж по взрослому-скрипт то должен понять что внутри и разобраться как ему читать без крякозябров

@0x10 · 03.01.2021, 20:12

Сообщение от Ципихович Эндрю

скрипт то должен понять что внутри и разобраться как ему читать без крякозябров

Не в сказке живем…

Посмотрел на внутренности rtf-файла и исходники striprtf. Наблюдения такие.

1. Кодировка указана в начале rtf-файла: \ansicpg1251, но модуль striprtf ее игнорирует.
2. Вместо текста хранятся не коды символов, а их текстовые представления в формате \'xx. Т.е. последовательности «абв» соответствуют коды cp1251 e0 e1 e2, и в файле будет записано \'e0 \'e1 \'e2. Поэтому методы encode/decode и указание кодировки при чтении файла не помогут: содержимое у нас в ascii.
3. Модуль striprtf считает, что эти коды — кодпоинты юникода, отсюда и происходят «кракозябры».

Что с этим делать-то.
Вариант раз — закостылять.

Python
1
2
3
4
5
6
7
8
from pathlib import Path
from striprtf.striprtf import rtf_to_text
 
 
content = Path('11.rtf').read_text()
text = rtf_to_text(content)
decoded = bytes(map(ord, text)).decode('cp1251')
print(decoded)

Здесь мы выполняем обратную операцию — получаем код символа и декодируем как cp1251. Недостатки костыля:
1. Сломается, если кодировка входного документа не cp1251
2. Не знаю, где еще стрельнет.

Вариант два — форкнуть и поправить библиотеку pyth3. Не смотрел. как у нее дела с кодировками. Возможно, вылезет что-нибудь еще.
Вариант три — найти другой модуль. Мне на глаза не попалось ничего интересного. Очевидно, парсить rtf-ки — не самая популярная задача.

@Ципихович Эндрю · 03.01.2021, 20:16 **[ТС]**

понятно, спс

@Ципихович Эндрю · 07.01.2021, 17:51 **[ТС]**

0x10, здравствуйте скрипт в посте № 63 работает без сбоев, спасибо, подскажите а как же в тексте найти текст в нижнем и верхнем индексе-начертании? спс

@0x10 · 08.01.2021, 09:28

Сообщение от Ципихович Эндрю

как же в тексте найти текст в нижнем и верхнем индексе-начертании?

Этот и другие вопросы похожи на симптомы проблемы XY.

Чтобы дать ответ на вопрос, нужно знать формат данных и конечную цель.

@Ципихович Эндрю · 08.01.2021, 09:56 **[ТС]**

по ссылке-Не удается получить доступ к сайту
формат данных-ртф файлы с ресурса Консультант+
цель-автоматом выудить оттуда нужное

@0x10 · 08.01.2021, 10:01

Сообщение от Ципихович Эндрю

формат данных-ртф файлы с ресурса Консультант+

Я о формате другого уровня. Судя по остальным постам, внутри не просто текст, а структурированные данные. Вероятно, фиксированный набор столбцов с известной семантикой и типами данных. Менее вероятно — списки чего-то.

Сообщение от Ципихович Эндрю

цель-автоматом выудить оттуда нужное

Это не ТЗ.

Да, ссылка оказалась битой. Еще раз: https://ru.qaz.wiki/wiki/XY_problem

@Ципихович Эндрю · 08.01.2021, 10:13 **[ТС]**

Сообщение от 0x10

Это не ТЗ.

как приятно нужно ТЗ и тебе сделают))
ну что ж приложу тогда файлы-боюсь что вопросов будет ещё больше......
https://cloud.mail.ru/public/jrgH/iVR5Rwf54

хотя нужно то только при чтении отделить в тексте найти текст в нижнем и верхнем индексе-начертании

Сообщение от 0x10

формат данных-ртф файлы с ресурса Консультант+

ошибся с многих ресурсов

@0x10 · 08.01.2021, 10:21

Сообщение от Ципихович Эндрю

боюсь что вопросов будет ещё больше

Естественно. Потому что ранее предыдущие вопросы указывали на то, что внутри структурированные данные, а сейчас видно, что это не так. И да, я помню, что в одной из тем была фраза «произвольный кириллический текст», но это расходилось со всеми остальными показаниями.

Сообщение от 0x10

автоматом выудить оттуда нужное

Теперь осталось понять, что «нужное» и чем оно отличается от «ненужного».

Сообщение от Ципихович Эндрю

текст в нижнем и верхнем индексе-начертании

При беглом ознакомлении складывается впечатление, что нужен вообще весь текст. Вот на примере файла 7. ПДД РФ&26.03.2020.rtf: что в нем нужное?

@Ципихович Эндрю · 08.01.2021, 10:33 **[ТС]**

Сообщение от 0x10

ранее предыдущие вопросы указывали на то, что внутри структурированные данные

всё смешалось люди, кони...
и было сказано, что файлов то два, с первым где структурированные данные - можно сказать что всё гут, если и есть вопросы-так они связанные с более лучшей читательностью и простотой кода
теперь речь про второй файл

Сообщение от 0x10

Вот на примере файла 7. ПДД РФ&26.03.2020.rtf: что в нем нужное?

нужное это какой текст с нижним индексом и какой с верхним индексом, если его нет то фолс
дал так много документов, потому, что они реальные и качались из многих ресурсов, и некоторые тупо с сайта скопированы и сохранены мною в ртф руками-но для меня они кашерные, как и для почти всех в том смысле, что открыл и текст читаешь а не крякозяблы, а для кодера да-есть сучки и задоринки-крякозяблы, но не для Вас))

@0x10 · 08.01.2021, 11:32

Сообщение от Ципихович Эндрю

дал так много документов, потому, что они реальные и качались из многих ресурсов

На реальных данных видно много новых деталей.

Всего у нас 27 документов. Из них:
6 — парсятся без проблем модулем pyth
8 — не парсятся из-за ошибки в pyth
13 — не парсятся… мне лень разбираться, почему. Валится на обработке картинок.

Модуль striprtf, очевидно, не подходит, т.к. сносит все форматирование, а в этой задаче оно для нас важно.

Потенциальное решение: либо найти рабочий парсер, либо доработать один из существующих. В распарсенном документе найти текст за тегами \super и \sub. Может быть, есть утилиты/библиотеки для конвертации rtf в более человеческий формат.

Рыжий Лис · 08.01.2021, 11:36

Сообщение от 0x10

Потенциальное решение

Правильное решение: разобрать документ руками.

Добавлено через 21 секунду
Мышкой ctrl+c/ctrl+v

@0x10 · 08.01.2021, 11:39

Сообщение от Рыжий Лис

Правильное решение: разобрать документ руками.

Да, если задача разовая и документов меньше, скажем, 50.

@Ципихович Эндрю · 08.01.2021, 11:55 **[ТС]**

легчё ворд заставить отделить тегами \super и \sub - что у меня и сделано давным давно...

Добавлено через 1 минуту

Сообщение от 0x10

Всего у нас 27 документов. Из них:
6 — парсятся без проблем модулем pyth
8 — не парсятся из-за ошибки в pyth
13 — не парсятся… мне лень разбираться, почему. Валится на обработке картинок.

можете дать мне код-как это проверяли? спс

Рыжий Лис · 08.01.2021, 11:56

Так пересохрани в docx и не выноси мозг людям и лисам.

@0x10 · 08.01.2021, 13:32

Сообщение от Ципихович Эндрю

можете дать мне код-как это проверяли? спс

Python
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
from pathlib import Path
 
from pyth.plugins.rtf15.reader import Rtf15Reader
 
 
def main():
    docs_dir = Path('docs')
    docs_paths = docs_dir.glob('**/*.rtf')
    for doc_path in docs_paths:
        try:
            _try_parse(doc_path)
            print('Parsed ', doc_path)
        except Exception as e:
            print('Failed ', doc_path, e)
 
 
def _try_parse(doc_path: Path):
    with doc_path.open('rb') as doc_file:
        Rtf15Reader.read(doc_file)
 
 
if __name__ == '__main__':
    main()

@Ципихович Эндрю · 16.02.2021, 14:28 **[ТС]**

здравствуйте, финишный код в посте 63

Сообщение от 0x10

from pathlib import Path
from striprtf.striprtf import rtf_to_text
content = Path('11.rtf').read_text()
text = rtf_to_text(content)
decoded = bytes(map(ord, text)).decode('cp1251')
print(decoded)

но столкнулся в ртф имеет ссылки их не считывает, можно этот код подправить, чтобы не было проблем? спс

@0x10 · 16.02.2021, 16:26

striprtf — это модуль из одной функции, достаточно простой. Интерфейса для изменения поведения не предусмотрено.

Поскольку с парсерами rtf негусто, уже можно было бы написать свой или доработать один из существующих. Вполне вероятно, в процессе вылезет множество деталей, поэтому здесь нет четкой инструкции. Нужно читать описание формата, смотреть в данные и т. д.

@Ципихович Эндрю · 16.02.2021, 16:28 **[ТС]**

а подсчитать можно, что они-ссылки есть?, если есть нужно предупреждение об этом другими средствами-не Питоном, это пустяки

Новые блоги и статьи Все статьи Все блоги /
сукцессия 30. Фосфорный и азотный замки по "честному" закону лимитирования Либиха anaschu 16.07.2026 Основные достижения за последние дни 1. Механизм отложенного высвобождения фосфора Добавлен специальный пул для медленного разложения меланизированных гиф ЕСМ Реализована разная скорость. . .	Запрет пометки на удаление и отмены проведения Maks 16.07.2026 Алгоритм из решения ниже реализован на нетиповом документе "ПутевойЛист" разработанного в КА2. Задача: запретить помечать на удаление и отменять проведения путевого листа при условии, если он сдан. . .	Как надо было делать правильно - вообще не слушать ИИ, его дело - текст. Hrethgir 15.07.2026 А вообще надо было делать не так, чтобы не исправлять ошибку https:/ / www. cyberforum. ru/ blogs/ 223907/ 10996. html , правильно было : удалил кнопку, а потом добавил её. Всё это стресс конечно. Почему?. . .	Знаете, от чего появляется стресс? kumehtar 15.07.2026 Стресс появляется оттого, что вы, зная как поступить правильно, делаете наоборот. Ларри Уингет
Нас бьют, а мы крепчаем? Какая чушь! kumehtar 15.07.2026 Вот это вот бытующее мнение, что человек меняется только под действием проблем, всегда считал вредоносным. Поверь, от проблем у людей появляются не изменения, а нервное расстройство и ПТСР. А. . .	сукцессия 29. Переход от одних деревьев на другие делать более или менее вероятностным? anaschu 12.07.2026 Насколько смена типов микоризы — исключительное событие в двухвековой сукцессии? Оценка вероятности в пространстве параметров В текущей версии модели успешно реализован ключевой механизм. . .	сукцессия 27. Думаю, как переделывать уже написанную статью с планами на сукцессию. anaschu 12.07.2026 Анализ соответствия модели требованиям Реализованные компоненты: Механизм закисления почвы через протонную помпу Конкуренция между типами микориз pH как триггер сукцессии C/ P соотношение. . .	Сукцессия 26. Мат модель создана. anaschu 12.07.2026 Модель смены растительных сукцессий посредством управления грибами работает внутри небольшой ячейки почвы, восстанавливающейся после пожара, где ненадолго бывшее царство хвойных снова захватили. . .

@Ципихович Эндрю 1713 / 580 / 76 Регистрация: 10.04.2009 Сообщений: 9,336
	03.01.2021, 20:16 [ТС]
	понятно, спс 0

@Ципихович Эндрю 1713 / 580 / 76 Регистрация: 10.04.2009 Сообщений: 9,336
	07.01.2021, 17:51 [ТС]
	0x10, здравствуйте скрипт в посте № 63 работает без сбоев, спасибо, подскажите а как же в тексте найти текст в нижнем и верхнем индексе-начертании? спс 0

@Ципихович Эндрю 1713 / 580 / 76 Регистрация: 10.04.2009 Сообщений: 9,336
	08.01.2021, 09:56 [ТС]
	по ссылке-Не удается получить доступ к сайту формат данных-ртф файлы с ресурса Консультант+ цель-автоматом выудить оттуда нужное 0

Рыжий Лис Просто Лис 5973 / 3735 / 1099 Регистрация: 17.05.2012 Сообщений: 10,791 Записей в блоге: 9
	08.01.2021, 11:56
	Так пересохрани в docx и не выноси мозг людям и лисам. 2

@0x10 3258 / 2060 / 351 Регистрация: 24.11.2012 Сообщений: 4,909
	16.02.2021, 16:26
	striprtf — это модуль из одной функции, достаточно простой. Интерфейса для изменения поведения не предусмотрено. Поскольку с парсерами rtf негусто, уже можно было бы написать свой или доработать один из существующих. Вполне вероятно, в процессе вылезет множество деталей, поэтому здесь нет четкой инструкции. Нужно читать описание формата, смотреть в данные и т. д. 0

@Ципихович Эндрю 1713 / 580 / 76 Регистрация: 10.04.2009 Сообщений: 9,336
	16.02.2021, 16:28 [ТС]
	а подсчитать можно, что они-ссылки есть?, если есть нужно предупреждение об этом другими средствами-не Питоном, это пустяки 0