Python 文本导入错误答案

【问题标题】：Python textract ImportErrorPython 文本导入错误
【发布时间】：2017-11-01 21:21:45
【问题描述】：

我已经开始使用 Python 库 textract 来解析 PowerPoint (.pptx)、Word 文档 (.docx) 和文本文件 (*.txt) 中的文本。我写了一个简单的脚本来测试它。

# Python textract test script
import textract
textract.process("H:\My Documents\Test.docx")

当我在命令行或空闲状态下运行它时，我会得到一个回溯，最后几行是：

文件：“C:...\textract\parsers\docx_parser.py”，第 1 行导入 docx2txt ImportError: 没有名为 docx2txt 的模块

我使用的是 1.5.0 版，从 https://pypi.python.org/pypi/textract 下载。我不知道为什么它不包含任何依赖项。我是否必须安装 docx2txt 及其后续依赖项？为什么textract 包不包含我需要的一切？

【问题讨论】：

你试过下载 docx2txt 吗？

标签： python docx text-extraction python-docx

【解决方案1】：

我建议使用pip install xxx 来安装模块。这会将它安装在通常由 python 查找的路径中。它还应该处理依赖关系。

如果您进行了手动安装或只是将其解压缩到晚餐文件夹，请正确设置路径，如此处所述 How to add to the pythonpath in windows 7? 或 Python - PYTHONPATH in linux

如果您认为您已正确设置，请发布它的值、密码等。

【讨论】：

【解决方案2】：

textract 不会自动安装它支持的所有文件类型的依赖项。您有选择地安装您感兴趣的那些。

虽然这并不像人们想象的那么优雅，但我认为这是合适的设计选择。 Python 不具备按需安装依赖项的能力，因此唯一的选择是 textract 安装 all 十几个或更多可能的依赖项，这会使您的 Python 环境膨胀。

因此，正如 Kashyap 所说，在这种情况下，适当的操作是：

pip install python-docx

对于您可能需要的任何其他文件类型依赖项类似。

【讨论】：

【解决方案3】：

这对我有用，

打开终端，然后输入如下，

python -m venv env 
source ./env/bin/activate
sudo apt update
sudo apt install python-pip && pip install --upgrade pip
sudo apt install python-dev libxml2-dev libxslt1-dev antiword unrtf poppler-utils pstotext tesseract-ocr flac ffmpeg lame libmad0 libsox-fmt-mp3 sox libjpeg-dev swig
pip install textract

如果您遇到任何错误，请在下方尝试

pip install https://pypi.python.org/packages/ce/c7/ab6cd0d00ddf8dc3b537cfb922f3f049f8018f38c88d71fd164f3acb8416/SpeechRecognition-3.6.3-py2.py3-none-any.whl
sudo apt install libpulse-dev
pip install textract

【讨论】：