Python и анализ файлов doc и docx

@tumanovalex · Регистрация: 09.07.2009

Студворк — интернет-сервис помощи студентам

Есть много файлов doc и docx, созданных в Microsoft Office 2007 и выше. В заданном файле нужно из первой таблицы файла прочитать все данные определенной колонки, затем эти данные искать в других файлах (в любых местах файлов). Можно ли решить эту задачу с помощью Python? Какие модули нужно импортировать?

@tumanovalex · 10.04.2018, 21:35 **[ТС]**

Возникли следующие вопросы:
1. А как работать с doc в Python? Какой модуль подключать?
2. Как при работе с docx в созданной уже в документе таблице считать все данные из нужной колонки?

Добавлено через 2 минуты
Возник еще один вопрос. Можно ли с помощью Питона сконвертировать все файлы в директориях на диске из doc в docx?

@Garry Galler · 10.04.2018, 21:44

Сообщение от tumanovalex

Какой модуль подключать

Главный модуль, который нужно всегда подключать - это голова. Остальное - приложится.
Модуля для работы с doc не существует.
В windows cуществует COM API, который позволяет работать с COM\ActiveX объектами приложений (если они предоставляют такой объект).
Поэтому устанавливаем MS Word, гуглим методы его COM интерфейса, и работаем с ними - например, через pywin32.

@ТабуретY · 10.04.2018, 21:54

Можно взять ironpython или python for net

@Garry Galler · 10.04.2018, 23:24

Сообщение от ТабуретY

взять ironpython или python for net

А разница? И то и другое использует COM API для работы с MS Word. И необходимость наличия самого пакета WORD также никуда не исчезает.

@ТабуретY · 10.04.2018, 23:32

Сообщение от Garry Galler

И то и другое использует COM API для работы с MS Word

Но на чистом python в COM API придется ковыряться, а net предоставляет классы для удобной работы

@Garry Galler · 11.04.2018, 00:06

Сообщение от ТабуретY

а net предоставляет классы для удобной работы

Управляемая обертка имеет тот же интерфейс. И к тому же:

Python
1
2
3
>>> import clr
>>> clr.AddReference('Microsoft.Office.Interop.Word')
System.IO.FileNotFoundException: Unable to find assembly 'Microsoft.Office.Interop.Word'.

У меня почему-то ссылка на эту NET сборку из python не подключается... Так что с win32 как-то проще.

Новые блоги и статьи Все статьи Все блоги /
сукцессия 43. Вторая научная статья за месяц- прайминг и гатгил anaschu 25.07.2026 две стороны одной монеты	Более приземисто - Эстафету хвоста в .cdl (деревья эстафеты в сад). Hrethgir 24.07.2026 В будущем, после написания блока инверсии обхода дерева (эстафеты хвоста), я планирую вернуться к нашему прошлому разговору о том, обладают ли знания целеполаганием. Тогда я пришел к выводу, что. . .	Вот представьте что вам дали бессмертие. kumehtar 24.07.2026 Вот представьте что вам дали бессмертие, ничего более не меняя. Вообще ничего, только бессмертие в нынешнем виде. Рады были бы? Что бы вы тут делали всё это время? Никакой пенсии. Никакого нового. . .	сукцессия 41 anaschu 24.07.2026 Численная верификация бифуркации в агентной модели лесной сукцессии: от одного параметра к ансамблю Автор: пользователь @Shumilov_AS \| Раздел: Прикладная математика / Численные методы Кратко. . .
сукцессия 40. Ансамблевая кластерная параметризаци, часть 1. anaschu 24.07.2026 Пр# Сопровождение научной статьи ИИ-ассистентом: подготовка публикации и калибровка агентно-ориентированной модели сукцессии микоризных систем Полевые заметки о двухнедельной совместной работе. . .	Теория всего 12. ВГК на планете в стратегической игре "терра" anaschu 21.07.2026 ### Главные семантические изменения и дешифровка новой физики 1. `REPRODUCTIVE_EMISSION` вместо фотосинтеза (`PS_base`): Энергия и ресурсы, которые класс средних мужчин (`_W_MEN_DONORS`). . .	Публикация отклонённая на хабре. Как «пернатого» заставить осваивать новые горизонты опыта через масштабирование задачи и целеполагание Hrethgir 21.07.2026 https:/ / www. cyberforum. ru/ blog_attachment. php?attachmentid=11948&stc=1&d=1784657928 Привет Хабр. В этой статье я расскажу, как один закон эпистемологии позволил мне с ходу запустить уникальный. . .	Теория всего 11. Основные параметры anaschu 21.07.2026 Дешифровка тензорного ядра Soil Chemistry 2. 0: Истинный инвариант Теории Всего Чистовой исходный код многокомпонентной сукцессии зафиксирован. Модель оперирует единым вектором состояния. . .

@tumanovalex 95 / 15 / 3 Регистрация: 09.07.2009 Сообщений: 886

	Python и анализ файлов doc и docx 26.03.2018, 17:35. Показов 16193. Ответов 25 Метки нет (Все метки) Есть много файлов doc и docx, созданных в Microsoft Office 2007 и выше. В заданном файле нужно из первой таблицы файла прочитать все данные определенной колонки, затем эти данные искать в других файлах (в любых местах файлов). Можно ли решить эту задачу с помощью Python? Какие модули нужно импортировать? 0

@tumanovalex 95 / 15 / 3 Регистрация: 09.07.2009 Сообщений: 886
	10.04.2018, 21:35 [ТС]
	Возникли следующие вопросы: 1. А как работать с doc в Python? Какой модуль подключать? 2. Как при работе с docx в созданной уже в документе таблице считать все данные из нужной колонки? Добавлено через 2 минуты Возник еще один вопрос. Можно ли с помощью Питона сконвертировать все файлы в директориях на диске из doc в docx? 0

@ТабуретY 1741 / 913 / 480 Регистрация: 05.12.2013 Сообщений: 3,074
	10.04.2018, 21:54
	Можно взять ironpython или python for net 0