0

Столкнулся с такой проблемой, мне нужно прочитать файл docx в Python, НО именно код файла, а не содержимый текст.

with open('MD_2.docx', encoding='cp1251', newline='') as file:
    print(file.readline())

Пытаюсь прочитать обычным методом, но не получается из-за ошибки

UnicodeDecodeError: 'charmap' codec can't decode byte 0x98 in position 631: character maps to <undefined>

Как можно прочитать код файла ?

2
  • python-docx.readthedocs.io/en/latest
    – SmellyNS
    23 мая 2020 в 16:51
  • 2
    docx — это на самом деле ZIP-архив, где текст хранится отдельным файлом в формате XML. Для его получения рекомендуется воспользоваться сторонними библиотеками.
    – nomnoms12
    23 мая 2020 в 17:05

3 ответа 3

2

DOCX-файл это zip-архив. Распакуй его с помощью ZipFile, а затем прочитай файл "название документа/word/document.xml". В этом файле находится текст

1
0
from docxtpl import Document

source = Document("TEST.docx")    
paras = source.paragraphs
for para in paras:
    print(para.text)
3
-1
import codecs
filename = 'MD_2.docx'
with codecs.open(filename, encoding='utf-8',  errors='ignore') as f:
    print(f.readline())
1
  • обратите внимание, это правильное и рабочее решение именно для задачи топикстартера "мне нужно прочитать файл docx в Python, НО именно код файла, а не содержимый текст", а не для чтения файлов формата docx: понятное дело, что для работы с MS Word есть библиотеки и вообще он как zip-файл представлен
    – Mr. JS
    24 мая 2020 в 13:02

Всё ещё ищете ответ? Посмотрите другие вопросы с метками или задайте свой вопрос.