Python 读取.txt、.data、.doc和.docx文档的部分内容

概述python的文件 *** 作，是python办公自动化的最基础部分。今天，数据猿就尝试对四种格式的文档，进行部分内容读取的 *** 作，实现读取文件 *** 作的办公自动化~读取文本文档with语句读取部分内容python最基本的文件读取是采用open()函数，但需要close()来关闭文件，否则会报错，所以建议使用with语句来读

python的文件 *** 作，是python办公自动化的最基础部分。今天，数据猿就尝试对四种格式的文档，进行部分内容读取的 *** 作，实现读取文件 *** 作的办公自动化~

读取文本文档with 语句读取部分内容

python最基本的文件读取是采用open()函数，但需要close()来关闭文件，否则会报错，所以建议使用with语句来读取一般的txt文件。

如果要将其中一部分读取出来，怎么办呢？

有两种方法可以解决问题。

方法一：.find()定位下标法

使用.find()查找目标文字的下标，然后利用此下标进行字符串切片。

同find()类似，不同的是，如果未找到substr，则返回一个异常 ValueError: substring not found。

 

如果需要读取的文件是.csv和.data文件，这类文件类似表格，with语句的读取方式就相对复杂，因此需要采用pandas库来读取。

 

pandas读取.data文件

学机器学习的小伙伴会发现，在使用最初的数据集的时候，需要与UCI的机器“机器学习仓库：学习和智能系统中心”（Machine Learning Repository：Center for Machine Learning and Intelligent Systems）的数据集打交道。

如果是使用库自带的数据集还好，直接load_iris()，如果需要下载这个网站的最新数据集，则要下载此类文件——

 

我们会发现，这里的鸢尾花数据集是.data格式。要想读取.data文件，就需要使用pandas。如下所示——

 

读取doc文档

在日常工作中，我们经常会遇到，给定一个.doc文档，要求从中提取一部分文字存起来。

但是，.doc格式比较老，python中没有库读写.doc，所以就需要一个系统工具的库（这里是win32com）来打开word应用，将.doc转存为另存为.docx，再使用python-docx进行读写，以完成自动化 *** 作。

首先，导入必要的库。这里需要os库获取当前路径和电脑绝对路径，以此找到word应用并打开doc文件。

然后，构造另存函数。主要流程为

打开word应用——找到目标文件——打开目标文件——另存目标文件——退出。

读取docx文档部分内容

导入python-docx库，注意这里写import docx即可。

但是，pip下载第三方库的时候要下载python-docx,否则会出错。

docx是按照段落读取的，所以需要列表解析式+.join()来形成一个长字符串，以便进行上文所示的字符串切片，从而读取部分内容。

使用上文中的str.index索引法读取部分内容——

 

 

总结

以上是内存溢出为你收集整理的Python 读取.txt、.data、.doc和.docx文档的部分内容全部内容，希望文章能够帮你解决Python 读取.txt、.data、.doc和.docx文档的部分内容所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。