Python में OneNote फ़ाइलों से टेक्स्ट निकालने का तरीका

Microsoft OneNote .one फ़ाइलें बाइनरी दस्तावेज़ हैं जिन्हें साधारण टेक्स्ट के रूप में पढ़ा नहीं जा सकता या सामान्य XML टूल्स से पार्स नहीं किया जा सकता। Aspose.Note FOSS for Python एक शुद्ध‑Python पार्सर प्रदान करता है जो .one फ़ाइलों को पूर्ण दस्तावेज़ ऑब्जेक्ट मॉडल (DOM) में लोड करता है, जिससे प्रोग्रामेटिक रूप से टेक्स्ट, फ़ॉर्मेटिंग मेटाडेटा और हाइपरलिंक्स निकालना आसान हो जाता है।

Aspose.Note FOSS को Python के लिए उपयोग करने के लाभ

1. Microsoft Office की आवश्यकता नहीं: किसी भी प्लेटफ़ॉर्म पर .one फ़ाइलें पढ़ें, जिसमें Linux CI/CD सर्वर भी शामिल हैं
2. पूरा टेक्स्ट और फ़ॉर्मेटिंग एक्सेस: साधारण टेक्स्ट, बोल्ड/इटैलिक/अंडरलाइन रन, फ़ॉन्ट प्रॉपर्टीज़, और हाइपरलिंक URLs
3. नि:शुल्क और ओपन‑सोर्स: MIT लाइसेंस, कोई उपयोग शुल्क या API कुंजियाँ नहीं

चरण-दर-चरण गाइड

pip install aspose-note

from aspose.note import Document
print("Installation OK")

from aspose.note import Document

doc = Document("MyNotes.one")
print(f"Section: {doc.DisplayName}")
print(f"Pages:   {len(list(doc))}")

from aspose.note import Document

with open("MyNotes.one", "rb") as f:
    doc = Document(f)

from aspose.note import Document, RichText

doc = Document("MyNotes.one")
texts = [rt.Text for rt in doc.GetChildNodes(RichText) if rt.Text]

for text in texts:
    print(text)

from aspose.note import Document, RichText

doc = Document("MyNotes.one")
texts = [rt.Text for rt in doc.GetChildNodes(RichText) if rt.Text]

with open("extracted_text.txt", "w", encoding="utf-8") as out:
    out.write("\n".join(texts))

print(f"Wrote {len(texts)} text blocks to extracted_text.txt")

from aspose.note import Document, RichText

doc = Document("MyNotes.one")

for rt in doc.GetChildNodes(RichText):
    for run in rt.TextRuns:
        style = run.Style
        attrs = []
        if style.IsBold:        attrs.append("bold")
        if style.IsItalic:      attrs.append("italic")
        if style.IsUnderline:   attrs.append("underline")
        if style.IsStrikethrough: attrs.append("strikethrough")
        if style.FontName:    attrs.append(f"font={style.FontName}")
        if style.FontSize:    attrs.append(f"size={style.FontSize}pt")
        label = ", ".join(attrs) if attrs else "plain"
        print(f"[{label}] {run.Text!r}")

from aspose.note import Document, RichText

doc = Document("MyNotes.one")

for rt in doc.GetChildNodes(RichText):
    for run in rt.TextRuns:
        if run.Style.IsHyperlink and run.Style.HyperlinkAddress:
            print(f"Link text: {run.Text!r}")
            print(f"URL:       {run.Style.HyperlinkAddress}")

from aspose.note import Document, Page, RichText

doc = Document("MyNotes.one")

for page in doc.GetChildNodes(Page):
    title = (
        page.Title.TitleText.Text
        if page.Title and page.Title.TitleText
        else "(untitled)"
    )
    print(f"\n=== {title} ===")
    for rt in page.GetChildNodes(RichText):
        if rt.Text:
            print(rt.Text)

सामान्य समस्याएँ और समाधान

1. ImportError: ‘aspose’ नाम का कोई मॉड्यूल नहीं मिला

कारण: पैकेज सक्रिय Python पर्यावरण में स्थापित नहीं है।

सुधार:

pip install aspose-note
##Confirm active environment:
pip show aspose-note

2. .one फ़ाइल लोड करने पर FileNotFoundError

Cause: फ़ाइल पथ गलत है या फ़ाइल मौजूद नहीं है।

समाधान: लोड करने से पहले एक पूर्ण पथ का उपयोग करें या फ़ाइल मौजूद है यह सत्यापित करें:

from pathlib import Path
from aspose.note import Document

path = Path("MyNotes.one")
if not path.exists():
    raise FileNotFoundError(f"File not found: {path.resolve()}")
doc = Document(str(path))

3. Windows पर प्रिंट करते समय UnicodeEncodeError

Cause: Windows टर्मिनल्स लेगेसी एन्कोडिंग का उपयोग कर सकते हैं जो यूनिकोड अक्षरों को रेंडर नहीं कर सकते।

सुधार: अपने स्क्रिप्ट की शुरुआत में stdout को पुनः कॉन्फ़िगर करें:

import sys
if hasattr(sys.stdout, "reconfigure"):
    sys.stdout.reconfigure(encoding="utf-8", errors="replace")

4. खाली पाठ परिणाम

कारण: .one फ़ाइल खाली हो सकती है, केवल छवियों या तालिकाओं (कोई RichText नोड नहीं) को शामिल कर सकती है, या यह एक नोटबुक फ़ाइल (.onetoc2) हो सकती है न कि एक सेक्शन फ़ाइल (.one)।

सुधार: पृष्ठ गिनती जांचें और नोड प्रकारों का निरीक्षण करें:

from aspose.note import Document

doc = Document("MyNotes.one")
print(f"Pages: {len(list(doc))}")
for page in doc:
    print(f"  Children: {sum(1 for _ in page)}")

5. IncorrectPasswordException

कारण: .one फ़ाइल एन्क्रिप्टेड है। एन्क्रिप्टेड दस्तावेज़ समर्थित नहीं हैं।

Fix: Aspose.Note FOSS for Python एन्क्रिप्टेड .one फ़ाइलों का समर्थन नहीं करता है। पूर्ण‑विशेषताओं वाला वाणिज्यिक Aspose.Note उत्पाद डिक्रिप्शन का समर्थन करता है।

अक्सर पूछे जाने वाले प्रश्न

क्या मैं सभी पृष्ठों से एक साथ टेक्स्ट निकाल सकता हूँ?

हाँ। doc.GetChildNodes(RichText) पूरे दस्तावेज़ ट्री को पुनरावर्ती रूप से खोजता है, जिसमें सभी पृष्ठ, रूपरेखा, और रूपरेखा तत्व शामिल हैं।

क्या लाइब्रेरी .onetoc2 नोटबुक फ़ाइलों का समर्थन करती है?

नहीं। लाइब्रेरी केवल .one सेक्शन फ़ाइलों को संभालती है। नोटबुक टेबल‑ऑफ़‑कंटेंट्स फ़ाइलें (.onetoc2) एक अलग फ़ॉर्मेट हैं और समर्थित नहीं हैं।

क्या मैं तालिकाओं से पाठ निकाल सकता हूँ?

हाँ। TableCell नोड्स में RichText बच्चे होते हैं जिन्हें उसी तरह पढ़ा जा सकता है:

from aspose.note import Document, Table, TableRow, TableCell, RichText

doc = Document("MyNotes.one")
for table in doc.GetChildNodes(Table):
    for row in table.GetChildNodes(TableRow):
        for cell in row.GetChildNodes(TableCell):
            cell_text = " ".join(rt.Text for rt in cell.GetChildNodes(RichText)).strip()
            print(cell_text, end="\t")
        print()

Python के कौन से संस्करण समर्थित हैं?

Python 3.10, 3.11, और 3.12।

क्या लाइब्रेरी थ्रेड‑सेफ़ है?

प्रत्येक Document इंस्टेंस को एक ही थ्रेड से उपयोग किया जाना चाहिए। समानांतर निष्कर्षण के लिए, प्रत्येक थ्रेड के लिए एक अलग Document बनाएं।

संबंधित संसाधन:

• फ़ीचर अवलोकन
• डेवलपर गाइड
• PDF में निर्यात कैसे करें
• API संदर्भ