Python segítségével szöveg kivonása a OneNote fájlokból
Ha szöveget kell olvasnia a Microsoft OneNote-ból .one Python-szkriptben lévő fájlok, a Microsoft Office telepítése vagy Windows futtatása nélkül;, Aspose.Note FOSS for Python Ez egy 100%-os ingyenes, nyílt forráskódú könyvtár, amely közvetlenül elemzi a OneNote bináris formátumot és kitüntet egy tiszta Python API-t.
Beépítés
pip install aspose-noteNincs API kulcs, nincs licencfájl, nem van Microsoft Office.
A legegyszerűbb megközelítés: GetChildNodes(RichText)
A OneNote szöveg tárolása a RichText A weboldalak, a körvonalak és az elemek között elosztott csomópontok. GetChildNodes(RichText) rekurzív keresést végez az egész dokumentumfa esetében, és minden szövegcsomót egyenes listaként adja vissza:
from aspose.note import Document, RichText
doc = Document("MyNotes.one")
for rt in doc.GetChildNodes(RichText):
if rt.Text:
print(rt.Text)
Ez a leggyorsabb módja annak, hogy az összes szöveg tartalmát ki egy .one - Az aktát.
A szöveget egy fájlba menteni
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")
A szöveg kivonása oldalonként
Ha tudni akarod, hogy melyik oldaltól származik a szövegblokkok:
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)
Kiválasztás hiperlinkek
A hiperlinkek az egyes weboldalakon tárolódnak. TextRun objektumok a RichText A csúcsok. 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}")
A formázás felismerése: Bold, kursiv és aláhúzás.
Mindenki. TextRun formátumban tartja a karakterekhez képest. 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}")
Olvasni egy folyóból.
Dolgozik felhő tárolóval, HTTP-válasz testekkel vagy memóriában lévő pufferrel:
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 kódolás javítása
Windows terminálokon, sys.stdout A kódok egy régi kódolást használhatnak, amely az Unicode karakterekhez kapcsolódik. Adja hozzá a betűje kezdetén:
import sys
if hasattr(sys.stdout, "reconfigure"):
sys.stdout.reconfigure(encoding="utf-8", errors="replace")
Mit támogat a könyvtár?
| A tulajdonságok | Támogatott |
|---|---|
Olvasd! .one fájlok (útvonal vagy áramlás) | Igen, igen. - Az is jó. |
Készítmény RichText.Text (tiszta szöveg) | Igen, igen. - Az is jó. |
Ellenőrzés TextRun.Style (kövér, kursiv, hiperlink, betűtípus) | Igen, igen. - Az is jó. |
| A táblázat sejtjeiből származó szöveg kivonása | Igen, igen. - Az is jó. |
| Olvasd el a címet! | Igen, igen. - Az is jó. |
Írj vissza a… .one | Nem, nem. |
| Titkosított dokumentumok | Nem, nem. |
