python读取某目录下word文档中内容并存入txt文件

最新推荐文章于 2025-10-09 14:18:58 发布

原创最新推荐文章于 2025-10-09 14:18:58 发布 · 2.6k 阅读

12 ·

CC 4.0 BY-SA版权

文章标签：

#word #python

python 专栏收录该内容

26 篇文章

订阅专栏

本文介绍了一种使用Python批量读取指定目录下所有Word文档的内容，并将这些内容整合到一个文本文件中的方法。通过遍历文件夹内的Word文档，利用python-docx库解析文档内容，最终将提取的文字信息写入到一个名为corpus.txt的文件中。

部署运行你感兴趣的模型镜像

将某个目录下所有word文档中内容提取出来并存入txt文件中。

文档中内容如下：

直接上代码：

#!/usr/bin/env python
# encoding: utf-8
'''
@file: 1_word.py
@time: 2020/11/27 21:15
'''

import docx
import os


file_dir = './doc'

for root, dirs, files in os.walk(file_dir, topdown=True):
    pass

contents_list = []

for file in files:
    file_name = './doc/' + file
    file_content_list = []
    file_content = docx.Document(file_name)
    for para in file_content.paragraphs:
        file_content_list.append(para.text)
    contents_list.append(' '.join(file_content_list))

print(contents_list)

with open('corpus.txt', 'w', encoding='utf8') as f:
    for str_line in contents_list:
        f.write(str_line + '\n')

效果如下：