Izvuci tekst iz OneNote fajlova koristeći Python

Ako trebate da čitate tekst iz Microsoft OneNote .one datoteke u Python skripti, bez instaliranja Microsoft Office-a ili pokretanja Windows-a, Aspose.Note FOSS for Python je rešenje. To je 100% besplatna, open‑source biblioteka koja direktno parsira OneNote binarni format i izlaže čist Python API.

Instaliraj

pip install aspose-note

Nema API ključa. Nema licence fajla. Nema Microsoft Office-a.

Najjednostavniji pristup: GetChildNodes(RichText)

OneNote tekst se čuva u RichText čvorovima raspoređenim po stranicama, konturama i elementima konture. GetChildNodes(RichText) izvršava rekurzivno pretraživanje celog stabla dokumenta i vraća svaki tekstualni čvor kao ravnu listu:

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 izvučete sav tekstualni sadržaj iz .one datoteke.

Sačuvajte tekst u fajl

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")

Izvucite tekst po stranici

Kada treba da znate sa koje je stranice svaki blok teksta potekao:

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)

Izvuci hiperveze

Hiperveze se čuvaju na pojedinačnim TextRun objektima unutar RichText čvorovima. Proverite 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}")

Detektujte formatiranje: podebljano, kurziv, podvučeno

Svaki TextRun prenosi formatiranje po karakteru kroz svoj 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}")

Čitanje iz toka

Radi sa cloud storage, HTTP telima odgovora ili memorijskim baferima:

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)")

Ispravka kodiranja za Windows

Na Windows terminalima, sys.stdout može koristiti staru kodnu tabelu koja se ruši na Unicode karakterima. Dodajte ovo na početak vašeg skripta:

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

Šta biblioteka podržava

Funkcija	Podržano
Čitanje `.one` datoteke (putanja ili tok)	Da
Izvuci `RichText.Text` (običan tekst)	Da
Pregledaj `TextRun.Style` (podebljano, kurziv, hiperveza, font)	Da
Izvuci tekst iz ćelija tabele	Da
Pročitaj naslove stranica	Da
Zapiši nazad u `.one`	Ne
Šifrovani dokumenti	Ne