如何在 Linux 上使用 Python 读取 word 文件信息

Posted 2023-05-04

参考技术A 首先下载安装win32com
from win32com import client as wc
word = wc.Dispatch('Word.Application')
doc = word.Documents.Open('c:/test')
doc.SaveAs('c:/test.text', 2)
doc.Close()
word.Quit()

这种方式产生的text文档，不能用python用普通的r方式读取，为了让python可以用r方式读取，应当写成

doc.SaveAs('c:/test', 4)

注意：系统执行完成后，会自动产生文件后缀txt（虽然没有指明后缀）。
在xp系统下面，应当
open(r'c:\text','r')
wdFormatDocument = 0
wdFormatDocument97 = 0
wdFormatDocumentDefault = 16
wdFormatDOSText = 4
wdFormatDOSTextLineBreaks = 5
wdFormatEncodedText = 7
wdFormatFilteredhtml = 10
wdFormatFlatXML = 19
wdFormatFlatXMLMacroEnabled = 20
wdFormatFlatXMLTemplate = 21
wdFormatFlatXMLTemplateMacroEnabled = 22
wdFormatHTML = 8
wdFormatPDF = 17
wdFormatRTF = 6
wdFormatTemplate = 1
wdFormatTemplate97 = 1
wdFormatText = 2
wdFormatTextLineBreaks = 3
wdFormatUnicodeText = 7
wdFormatWebArchive = 9
wdFormatXML = 11
wdFormatXMLDocument = 12
wdFormatXMLDocumentMacroEnabled = 13
wdFormatXMLTemplate = 14
wdFormatXMLTemplateMacroEnabled = 15
wdFormatXPS = 18

照着字面意思应该能对应到相应的文件格式，如果你是office 2003可能支持不了这么多格式。word文件转html有两种格式可选wdFormatHTML、wdFormatFilteredHTML（对应数字 8、10），区别是如果是wdFormatHTML格式的话，word文件里面的公式等ole对象将会存储成wmf格式，而选用 wdFormatFilteredHTML的话公式图片将存储为gif格式，而且目测可以看出用wdFormatFilteredHTML生成的HTML 明显比wdFormatHTML要干净许多。
当然你也可以用任意一种语言通过com来调用office API，比如php.
from win32com import client as wc
word = wc.Dispatch('Word.Application')
doc = word.Documents.Open(r'c:/test1.doc')
doc.SaveAs('c:/test1.text', 4)
doc.Close()
import re
strings=open(r'c:\test1.text','r').read()
result=re.findall('\(\s*[A-D]\s*\)|\(\xa1*[A-D]\xa1*\)|\（\s*[A-D]\s*\）|\（\xa1*[A-D]\xa1*\）',strings)
chan=re.sub('\(\s*[A-D]\s*\)|\(\xa1*[A-D]\xa1*\)|\（\s*[A-D]\s*\）|\（\xa1*[A-D]\xa1*\）','()',strings)
question=open(r'c:\question','a+')
question.write(chan)
question.close()
answer=open(r'c:\answeronly','a+')
for i,a in enumerate(result):
m=re.search('[A-D]',a)
answer.write(str(i+1)+' '+m.group()+'\n')
answer.close()
chan=re.sub(r'\xa3\xa8\s*[A-D]\s*\xa3\xa9','()',strings)
#不要()，容易引起歧义。

如何在 Linux 上使用 Qt 读取 HID 设备 (/dev/hidrawX)？

【中文标题】如何在 Linux 上使用 Qt 读取 HID 设备 (/dev/hidrawX)？

【英文标题】：How to read HID devices (/dev/hidrawX) with Qt on Linux?

【发布时间】：2013-07-14 19:04:29

【问题描述】：

我正在开发一种“RepRap 校准工具”，该工具将使用连接到打印平台的鼠标来测量平台的移动。

现在我无法从 /dev/hidrawX 读取原始鼠标数据，但我无法读取任何数据。

到目前为止我已经尝试过：

第一次尝试：

QFile f("/dev/hidraw0");
f.readAll();

什么都不读。

第二次尝试：

m_file = new QFile("/dev/hidraw0");
m_sn= new QSocketNotifier(m_file->handle(), QSocketNotifier::Read);
m_sn->setEnabled(true);
connect(m_sn, SIGNAL(activated(int)), this, SLOT(readyRead()));

然后在readyRead SLOT上：

qDebug()<<"Ready Read!!"<<m_file.bytesAvailable();
QTextStream d(&m_file);
qDebug()<< d.read(64);

这段代码触发readyRead槽一次，但它卡在read(64)调用上，如果我注释read(64)，每次鼠标移动时都会触发槽。 m_file.bytesAvailable() 总是报告 0。

使用 Qt 读取这些设备的正确方法是什么？

解决方案：

我修改了如下代码：

bool rcMouseHandler::openHidraw(QString device)

    int fd =open(device.toLocal8Bit(),O_NONBLOCK);
    if(fd <=0)
    
        qDebug()<<"[WARN]rcMouseHandler::open-> Cant open!";
        return false;
    
    m_sn= new QSocketNotifier(fd, QSocketNotifier::Read);
    m_sn->setEnabled(true);
    connect(m_sn, SIGNAL(activated(int)), this, SLOT(readyRead()));
    return true;


void rcMouseHandler::readyRead()

    qDebug()<<"Ready Read!!";
    char buffer[4] = 0,0,0,0;
    read(m_sn->socket(),&buffer,4);
    qDebug()<<(quint8)buffer[0]<<(quint8)buffer[1]<<(quint8)buffer[2]<<(quint8)buffer[3];

【参考方案1】：

我认为这里不使用 Qt 的正确方法。当您的这部分代码不可移植（与 /dev/* 一起使用的部分）时，为什么需要打开和读取 POSIX 之上的便携式包装器。在 O_NONBLOCK 中用“open”“man 2 open”打开设备并调用“read”（man 2 read）从中获取数据。而且您仍然可以使用带有返回“open”的句柄的 QSocketNotifier。

【讨论】：

谢谢！这解决了我的问题:) 实际上我不需要便携式解决方案来读取鼠标，我将只使用 linux。只是认为 QT 应该有一些东西来管理这种情况。

很久以前我想通过 RS232 使用设备时遇到了同样的问题。现在 qt5 有 qserial 类，当时（几年前）有第 3 方解决方案（他们继承 QIODevice 并做魔法），我花了几个小时调试协议 + 这个第三方库，最后，我只是切换到“打开+阅读”，一切都变得健壮了。 Qt 解决一般问题，QFile 用于常规文件。