0

お世話になります。

PythonでWord文章の表部分を取り出して、CSVで保存するツールを作ろうとしています。
そこで、その前段階として、Wordから文章を取得して、テキストファイルに変換しようとしています。

とりあえず、python-docxライブラリでできそうなことはわかったのですが、.docxのファイルは読み込めますが、.doc形式のファイルが読み込めずに困っています。
また、COMを使う方法もあるようですが、Wordがインストールされていないと利用できないと思われるため、除外しています。
何か良い方法はないでしょうか。

なお、対象OSはWindowsとし、MacOSやLinuxは除外します。
また、Pythonのバージョンは3.7系を利用します。

それから、できれば外部の実行ファイル(.exeファイル)を呼び出す方法ではなく、Python単体で実装することができれば助かります。

以上、何かアドバイスを頂けると幸いです。よろしくお願いいたします。

8
  • 1
    python-docxは.docには非対応と公式ドキュメントに書いてありますね。python-docx.readthedocs.io/en/latest/user/documents.html どうしてもdocxではなくdocを読む必要があるのであればIronPythonとか使うといいかもしれません。
    – shirakia
    Commented 2019年2月4日 4:57
  • 1
    @shirakia IronPythonは.NET Framework上で動作するだけであり、.docを読み込めるかどうかとは無関係に思うのですが、何か利点があるのでしょうか?
    – sayuri
    Commented 2019年2月4日 7:47
  • 条件は全然満たしていないのですが、こういう記事があります。Best way to extract text from a Word doc without using COM/automation? さらに日本語に対応しているかは不明ですが。
    – kunif
    Commented 2019年2月4日 11:41
  • .NETが使えるとMS-Wordが読みやすい、というか実績がたくさんあります。ironpython ms word docとかでググると良いと思います。
    – shirakia
    Commented 2019年2月4日 13:23
  • それとは別にtextractというのを発見しました。これが良いかも?
    – shirakia
    Commented 2019年2月4日 13:23

1 件の回答 1

0

 お世話になります。

 今回の条件で、DOCファイルをテキストに変換するのは難しそうなので、あきらめることにしました。
 ありがとうございました。

この質問に回答するには、ログインする必要があります。

求めていた回答ではありませんか? のタグが付いた他の質問を参照する。