Poimi teksti OneNote-tiedostoista käyttäen Python

Jos sinun täytyy lukea tekstiä Microsoft OneNotesta .one tiedostoja Python-skriptissä, asentamatta Microsoft Officea tai ajamatta Windowsia, Aspose.Note FOSS for Python on ratkaisu. Se on 100 % ilmainen, avoimen lähdekoodin kirjasto, joka jäsentää OneNote-binäärimuodon suoraan ja tarjoaa puhtaan Python-API:n.

Asenna

pip install aspose-note

Ei API-avainta. Ei lisenssitiedostoa. Ei Microsoft Officea.

Yksinkertaisin tapa: GetChildNodes(RichText)

OneNote-teksti tallennetaan RichText solmuihin, jotka jakautuvat sivujen, sisällysluetteloiden ja sisällysluettelon elementtien välillä. GetChildNodes(RichText) suorittaa rekursiivisen haun koko asiakirjapuun läpi ja palauttaa jokaisen tekstisolmun litteänä listana:

from aspose.note import Document, RichText

doc = Document("MyNotes.one")
for rt in doc.GetChildNodes(RichText):
    if rt.Text:
        print(rt.Text)

Tämä on nopein tapa saada kaikki tekstisisältö yhdestä .one tiedostosta.

Tallenna teksti tiedostoon

from aspose.note import Document, RichText

doc = Document("MyNotes.one")
lines = [rt.Text for rt in doc.GetChildNodes(RichText) if rt.Text]

with open("extracted.txt", "w", encoding="utf-8") as f:
    f.write("\n".join(lines))

print(f"Saved {len(lines)} text blocks to extracted.txt")

Poimi teksti sivukohtaisesti

Kun sinun täytyy tietää, miltä sivulta kukin tekstilohko on peräisin:

from aspose.note import Document, Page, RichText

doc = Document("MyNotes.one")
for page in doc.GetChildNodes(Page):
    title = (
        page.Title.TitleText.Text
        if page.Title and page.Title.TitleText
        else "(untitled)"
    )
    page_texts = [rt.Text for rt in page.GetChildNodes(RichText) if rt.Text]
    print(f"\n=== {title} ===")
    for text in page_texts:
        print(text)

Poimi hyperlinkit

Hyperlinkit tallennetaan yksittäisiin TextRun objekteihin sisällä RichText solmut. Tarkista run.Style.IsHyperlink:

from aspose.note import Document, RichText

doc = Document("MyNotes.one")
for rt in doc.GetChildNodes(RichText):
    for run in rt.Runs:
        if run.Style.IsHyperlink and run.Style.HyperlinkAddress:
            print(f"{run.Text!r}  ->  {run.Style.HyperlinkAddress}")

Havaitse muotoilu: Lihavointi, kursiivi, alleviivaus

Jokainen TextRun kantaa per-merkki muotoilua sen kautta TextStyle:

from aspose.note import Document, RichText

doc = Document("MyNotes.one")
for rt in doc.GetChildNodes(RichText):
    for run in rt.Runs:
        s = run.Style
        if any([s.Bold, s.Italic, s.Underline]):
            flags = ", ".join(f for f, v in [
                ("bold", s.Bold), ("italic", s.Italic), ("underline", s.Underline)
            ] if v)
            print(f"[{flags}] {run.Text.strip()!r}")

Lue suorasta

Toimii pilvitallennuksen, HTTP-vastausrunkojen tai muistissa olevien puskurien kanssa:

import io, urllib.request
from aspose.note import Document, RichText

##Example: load from bytes already in memory
one_bytes = open("MyNotes.one", "rb").read()
doc = Document(io.BytesIO(one_bytes))
texts = [rt.Text for rt in doc.GetChildNodes(RichText) if rt.Text]
print(f"Extracted {len(texts)} text block(s)")

Windows-merkistökorjaus

Windows-terminaaleissa, sys.stdout voi käyttää vanhaa koodausta, joka kaatuu Unicode-merkkejä käsitellessä. Lisää tämä skriptisi alkuun:

import sys
if hasattr(sys.stdout, "reconfigure"):
    sys.stdout.reconfigure(encoding="utf-8", errors="replace")

Mitä kirjasto tukee

Ominaisuus	Tuettu
Lue `.one` tiedostot (polku tai virta)	Kyllä
Poimi `RichText.Text` (pelkkä teksti)	Kyllä
Tarkastele `TextRun.Style` (lihavoitu, kursiivi, hyperlinkki, fontti)	Kyllä
Poimi teksti taulukon soluista	Kyllä
Lue sivun otsikot	Kyllä
Kirjoita takaisin kohteeseen `.one`	Ei
Salatut asiakirjat	Ei