Uttrekk tekst fra OneNote-filer ved hjelp av Python

Hvis du trenger å lese tekst fra Microsoft OneNote .one filer i et Python skript, uten å installere Microsoft Office eller kjøre Windows, Aspose.Note FOSS for Python er løsningen. Det er et 100 % gratis, åpen kildekode‑bibliotek som parser OneNote‑binærformatet direkte og eksponerer et rent Python-API.

Installer

pip install aspose-note

Ingen API-nøkkel. Ingen lisensfil. Ingen Microsoft Office.

Den enkleste tilnærmingen: GetChildNodes(RichText)

OneNote‑tekst lagres i RichText noder fordelt over sider, disposisjoner og disposisjonselementer. GetChildNodes(RichText) utfører et rekursivt søk i hele dokumenttreet og returnerer hver tekstnode som en flat liste:

from aspose.note import Document, RichText

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

Dette er den raskeste måten å hente all tekstinnhold fra en .one fil.

Lagre tekst til en fil

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")

Uttrekk tekst per side

Når du trenger å vite hvilken side hver tekstblokk kom fra:

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)

Uttrekk hyperlenker

Hyperlenker lagres på individuelle TextRun objekter innenfor RichText Sjekk 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}")

Oppdag formatering: Fet, Kursiv, Understreket

Hver TextRun bærer per-tegn formatering gjennom sin 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}")

Les fra en strøm

Fungerer med skylagring, HTTP-responskropper eller minnebuffere:

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-kodingsretting

På Windows‑terminaler, sys.stdout kan bruke en eldre koding som krasjer på Unicode‑tegn. Legg dette til i starten av skriptet ditt:

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

Hva biblioteket støtter

Funksjon	Støttet
Lese `.one` filer (sti eller strøm)	Ja
Ekstraher `RichText.Text` (ren tekst)	Ja
Inspiser `TextRun.Style` (fet, kursiv, hyperkobling, skrifttype)	Ja
Ekstraher tekst fra tabellceller	Ja
Les sidetitler	Ja
Skriv tilbake til `.one`	Nei
Krypterte dokumenter	Nei