有没有一个Python模块可以将RTF转换为纯文本？

Question

有没有一个Python模块可以将RTF转换为纯文本？

pythontextrtf

40

理想情况下，我希望有一个模块或库，不需要超级用户权限即可安装；在我的工作环境中，我有限制的特权。

- Tony

3

ж‚ЁеЏЇд»ҐдЅїз”Ёeasy_installе’Њ--userйЂ‰йЎ№е®‰иЈ…PythonиЅЇд»¶еЊ…пјЊж— йњЂжќѓй™ђгЂ‚ - Martin Ueding

这个答案是最好的...它对我非常有效！！ - Anwarvic

10个回答

7

OpenOffice有一个RTF阅读器。您可以使用Python脚本OpenOffice，在此处查看更多信息。

您可能可以尝试在Windows上使用魔术COM对象来读取任何闻起来像ms-binary的东西。不过我不建议这样做。

实际解析原始数据可能并不难，请参阅此示例，该示例是用.bat / QBasic编写的。

DocFrac是一个免费的开源转换器，可在RTF、HTML和文本之间进行转换。支持Windows、Linux、ActiveX和DLL平台。将其包装到Python中可能会很容易。

RTF::TEXT::Converter - 用于将RTF转换为文本的Perl扩展。（如果您在DocFrac上遇到问题）。

微软官方的富文本格式（RTF）规范，版本1.7。

祝您好运（在您的工作环境中有限的权限下）。

- Paweł Polewicz

谢谢。我在OpenOffice中打开了文档并将其保存为纯文本文件。这可能是最简单的方法。还要感谢您提醒我这是我的工作环境。我已经请求sudo访问权限。 - Tony

2

RTF::TEXT::Converter的链接已经失效。Python邮件列表上的讨论链接也是如此。这就是为什么不鼓励使用链接回答的原因... - GreenAsJade

1

谢谢指出，我修复了一个链接。不幸的是，另一个链接必须被删除。 - Paweł Polewicz

DocFrac仍然可以使用，但不支持pt-br特殊字符。 - Alan Tygel

1

微软的RTF规范现在位于：http://download.microsoft.com/download/5/d/d/5dd33fdf-91f5-496d-9884-0a0b0ee698bb/%5BMS-OXRTFEX%5D.pdf - Julian Mehnle

1

@JulianMehnle 看起来这只是扩展，而不是完整的规范。完整的规范在 https://interoperability.blob.core.windows.net/files/Archive_References/[MSFT-RTF].pdf。 - Mark Ransom

4

如果您在 Mac 上，您可以通过终端命令将一个 RTF 文件 file.rtf 转换为 TXT 格式：

textutil -convert txt file.rtf

- Franco Piccolo

3

你有没有看过pyrtf-ng？

更新：如果你进行Subversion checkout，解析功能是可用的，但我不确定它有多全面。（查看rtfng.parser.base模块。）

- Vinay Sajip

2

这里有一个使用正则表达式将rtf转换为文本的脚本链接：从RTF字符串提取文本的正则表达式

此外，这是Github上更新后的链接： Github链接

- ChrisE

1

PyRTF-ng 0.9.1无法解析我的RTF文档，两个文档都出现了ParsingException错误。第一个文档是由OpenOffice 3.4生成的，第二个文档是由Mac TextEdit生成的。

Pyth 0.5.6可以正常解析这两个文档，但未能正确处理西里尔字母符号。

但每个编辑器都可以正确打开另一个编辑器的文档，所以所有库似乎都对rtf支持不足。

因此，我正在使用二十一点和妓女编写自己的解析器。

（我已经上传了这两个文件，所以您可以自行检查RTF库：http://yadi.sk/d/RMHawVdSD8O9 http://yadi.sk/d/RmUaSe5tD8OD）

- Konstantin Nikitin

1

链接失效了，你还有它们吗？ - n611x007

1

我刚刚发现了pyrtflib - 没有太多(或者完全没有)文档可供参考，需要安装它然后使用内置的help()函数来查找可用内容和了解每个功能的作用。

话虽如此，在我的小试验中，它的rtf.Rtf2Html.getHtml()函数表现良好。我还没有尝试过Rtf2Txt函数，但考虑到将rtf转换为纯文本的较简单性质，我希望它的表现也会很好。

- Blair

我已经尝试了Rtf2Txt.getText()函数，它运行良好 - 我的使用并不是详尽的边缘情况折磨测试，但我测试的所有情况都给出了我期望的输出。 - Blair

1

有一个很好的库pyrtf-ng，可用于处理RTF。

- cleg

谢谢，但是 pyrtf-ng 的问题在于它适用于生成 RTF 文件，而不是解析它们。我从它的 SourceForge 页面下载了它（在 Google Code 的下载选项卡下没有任何东西），这是我能找到的唯一功能。 - Tony

@Tony，你看过http://code.google.com/p/pyrtf-ng/source/browse/#svn/trunk/rtfng/parser吗？当Google Code托管的项目还没有下载时，请浏览源代码！-) - Alex Martelli

-2

相反地，如果你想要从Python轻松地编写RTF文件，你可以使用第三方模块rtflib。这是一个相当新的和不完整的模块，但仍然非常强大和有用。下面是一个例子，它将“hello world”以富文本形式写入名为helloworld.rtf的RTF文件中。这只是一个非常基本的例子，该模块还可以用于添加颜色、斜体、表格和许多其他富文本方面到RTF文件中。

from rtflib import *
file = RTF("helloworld.rtf")
file.startfile()
file.addstrict()
file.addtext("hello world")
file.writeout()

- codedude

-2

我也遇到了同样的问题，当时我试图自己编写代码。这并不容易，但是当我决定使用命令行应用程序时，我有了以下的Ruby代码，你可以很容易地将其适配到Python上。需要清理一些头部垃圾，但你可以更多或更少地看到这个想法。

f = File.open('r.rtf','r')
 b=0
 p=false
 str = ''
 begin
    while (char = f.readchar)
        if char.chr=='{'
   b+=1 
   next
  end
        if char.chr=='}'
   b-=1 
   next
  end
  if char.chr=='\\'
   p=true
   next
  end
  if p==true && (char.chr==' ' or char.chr=='\n' or char.chr=='\t' or char.chr=='\r')
   p=false 
   next
  end
  if p==true && (char.chr=='\'')
#this is the source of my headaches. you need to read the code page from the header and encode this.
   p=false 
   str << '#'
   next
  end
  next if b>2
  next if p
  str << char.chr
    end
rescue EOFError
end
f.close

- Josep Valls

Pascal和Python...在同一个代码中！ - USERNAME GOES HERE

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Brendon · Accepted Answer

我一直在开发一个名为Pyth的库, 它可以做到这个:

http://pypi.python.org/pypi/pyth/

将RTF文件转换成纯文本的过程大致如下：

from pyth.plugins.rtf15.reader import Rtf15Reader
from pyth.plugins.plaintext.writer import PlaintextWriter

doc = Rtf15Reader.read(open('sample.rtf'))

print PlaintextWriter.write(doc).getvalue()

Pyth也可以生成RTF文件，读写XHTML，从Python标记生成文档（类似于Nevow's stan），并且具有有限的实验性支持latex和pdf输出。它的RTF支持非常强大--我们在生产环境中使用它来读取由各种版本的Word、OpenOffice、Mac TextEdit、EIOffice等生成的RTF文件。pretty robust