Izvaditi tekst iz OneNote datoteka pomoću Pythona

Ako želite čitati tekst iz Microsoft OneNote-a .one datoteke u Python skriptu, bez instaliranja Microsoft Officea ili pokretanja Windows-a;, Aspose.Note FOSS for Python To je 100% slobodna, open-source knjižnica koja direktno analizira OneNote binarni format i izloži čist Python API.

Instaliraj

pip install aspose-note

Nema API ključa, nema licencnih datoteka.

Najjednostavniji pristup: GetChildNodes(RichText)

OneNote tekst se čuva u: RichText čvorovi raspoređeni na stranicama, skicima i elementima skice. GetChildNodes(RichText) provodi rekurzivnu pretragu cijelog stabla dokumenata i vraća svaki čvor teksta kao ravna lista:

from aspose.note import Document, RichText

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

Ovo je najbrži način da se sav tekst sadržaj iz a .one -Dopisi.

Sačuvati tekst u datoteku

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")

Izvaditi tekst po stranici

Kada trebate znati s koje stranice je svaki blok teksta došao:

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)

Izvaditi hiperlinkove

Hiperlinkovi su pohranjeni na pojedinačnim web stranicama. TextRun objekte unutar RichText Provjerite. run.Style.IsHyperlink:

from aspose.note import Document, RichText

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

Detekcija formata: Dvosmisleno, kurzivno i podrazumevano

Svaki od njih. TextRun nosi po znakom oblikovanje kroz svoj TextStyle:

from aspose.note import Document, RichText

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

Čitajte iz potoka.

Rad s skladištenjem u oblaku, tijelima za HTTP odgovor ili memorijskim buferima:

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)")

Popravka za Windows kodiranje

Na Windows terminalima, sys.stdout Možda koristi legacy kodiranje koje se poklapa s Unicode znakovima. Dodajte ovo na početak skripta:

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

Što Biblioteka podupire

Oznaka:	Podržani
Čitaj. `.one` datoteke (put ili tok)	- Da, u redu.
Izvadak `RichText.Text` (čisti tekst)	- Da, u redu.
Inspekcija `TextRun.Style` (blatno, kurzivno, hiperlink, font)	- Da, u redu.
Izvaditi tekst iz stanica tabele	- Da, u redu.
Čitajte naslove stranica.	- Da, u redu.
Pišite natrag na: `.one`	Ne, ne mogu.
Šifrirani dokumenti	Ne, ne mogu.