使用 Python 读写非 .txt 文件答案

【问题标题】：Reading and writing non .txt files with Python使用 Python 读写非 .txt 文件
【发布时间】：2017-12-29 17:23:47
【问题描述】：

如果您愿意，请帮我找出以下问题的更充分的解决方案。

我正在为一个替换文本上的单词的应用程序编写代码，从某种编写方式到另一种编写方式；例如，将所有单词“color”替换为“color”。

代码正在执行此操作，但只能通过读取和写入 .txt 文件来完成，Python 很清楚。

但是，我希望它能够读取（并最终写入）其他文本格式。所以，我去寻找解决方案，我找到了两个：textract 和 pandoc。 Textract 需要之前安装完整的库和程序列表。

Pandoc 只需要你在 pip install pypandoc 之前安装自己并使用它，这样看起来更好。（Pandoc 安装指南是指如果您还想在 PDF 上书写，则需要安装 LaTex...）

我的目标是构建一个独立于平台的应用程序。我的问题是：

应用用户是否必须在他的机器上安装 Pandoc（最后是 LaTex）才能使用该应用？

警告用户他只能在应用程序中使用（复制并粘贴到）.txt 文件是否更可取（尽管我认为这很不专业）？

【问题讨论】：

我会询问刚刚对我的问题进行评分的人，以解释他为什么这样做。你觉得这个问题有什么问题？
需要打开哪些格式？ open 函数可以处理很多格式。
我只能猜测导致人们对该问题投反对票的原因，但可能的原因是它要求比较两种工具，没有明确的（非基于意见的）答案，并且仅与编程相关。它实际上可能与stackoverflow无关。还有一些不清楚的地方：你需要定位哪个平台？您需要哪些输出格式？后来的 pandoc 版本可以使用 groff 生成 PDF，所以也许你不需要 LaTeX。
rassar，我的目标是打开 DOC、DOCX、HTML、ODT、PDF、RTF、TXT 和 XML。除其他外，我在来这里之前读过这篇文章：okfnlabs.org/blog/2013/10/17/python-guide-for-file-formats.html
tarleb，正如我在上面所说的，我希望应用程序独立于平台。它应该能够在 Windows、macOS、Linux 和 Android 上运行。在我来这里之前，我读到了这个：pandoc.org/installing.html

标签： python-3.x file pandoc text-extraction read-write

【解决方案1】：

几个“月亮”之后，我对自己的问题有了答案。所以，我正在分享它。（这不是我们都来这里的原因吗？）该应用程序的代码是完整且有效的，实际上我最终没有使用 textract 或 pandoc。这是我使用的模块列表： PyPDF、docx、ezodf、beautifulsoup、ebooklib - 以及其他一些作为辅助工具。

我不高兴有这么多进口。有人告诉我，我可以只使用 NLTK 库来完成所有这些工作。在我开始研究这件事之前，有人证实了这一点吗？谢谢。

【讨论】：