Python textract ImportError

Question

我已经开始使用Python库textract从PowerPoint( .pptx(，Word Documents( .docx(和文本文件(*.txt(解析文本(*.txt((。我写了一个简单的脚本来测试它。

# Python textract test script
import textract
textract.process("H:My DocumentsTest.docx")

当我在命令行或空闲中运行它时，我得到了最后几行的追溯：

文件：" c：... dextract parsers docx_parser.py"，第1行 导入docx2txt Importerror：无模块docx2txt

我正在使用1.5.0版，从https://pypi.python.org/pypi/textract下载。我不知道为什么它不包括任何依赖项。我是否必须安装docx2txt及其后续依赖关系？为什么textract软件包不包含我需要的一切？

Answer 1

这对我有用，

打开终端，然后按照下面的方式键入它们，

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，请在下面尝试它们

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

Answer 2

我建议使用pip install xxx安装模块。这将安装在通常由Python抬头的路径中。它也应该照顾依赖。

如果您进行了手动安装或仅将其提取到晚餐文件夹，则正确设置了您的路径，就像这里所述如何添加到Windows 7中的PythonPath？或Python- Linux中的PythonPath

如果您认为已经正确设置了它，然后将其值发布，PWD等。

Answer 3

textract不会自动为其支持的所有文件类型安装依赖项。您有选择地安装了您感兴趣的。

虽然这不像人们想象的那样优雅，但我认为这是适当的设计选择。Python无法在按需安装依赖项上，因此唯一的选择是让textract安装 all 多打或更多可能的依赖项，这往往会膨胀您的python环境。p>因此，在这种情况下，正如Kashyap所述，适当的动作是：

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。