Kako izvući tekst iz OneNote datoteka u Pythonu

Microsoft OneNote .one datoteke su binarni dokumenti koji se ne mogu čitati kao običan tekst niti parsirati generičkim XML alatima. Aspose.Note FOSS for Python pruža čisti Python parser koji učitava .one datoteke u potpuni model objektnog dokumenta (DOM), što olakšava programatsko izdvajanje teksta, metapodataka formatiranja i hiperveza.

Prednosti korištenja Aspose.Note FOSS za Python

1. Nije potreban Microsoft Office: čitajte .one datoteke na bilo kojoj platformi, uključujući Linux CI/CD poslužitelje
2. Potpuni pristup tekstu i formatiranju: običan tekst, podebljane/kurzivne/podvučene sekvence, svojstva fonta i URL‑ovi hiperveza
3. Besplatan i otvorenog koda: MIT licenca, bez naknada za korištenje ili API ključeva

Vodič korak po korak

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)

Uobičajeni problemi i rješenja

1. ImportError: Nema modula pod nazivom ‘aspose’

Uzrok: Paket nije instaliran u aktivnom Python okruženju.

Ispravak:

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

2. FileNotFoundError pri učitavanju .one datoteke

Uzrok: Put datoteke je netočan ili datoteka ne postoji.

Popravak: Koristite apsolutnu putanju ili provjerite postoji li datoteka prije učitavanja:

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. UnicodeEncodeError na Windowsu pri ispisu

Uzrok: Windows terminali mogu koristiti staru kodiranje koje ne može prikazati Unicode znakove.

Popravak: Rekonfigurirajte stdout na početku vašeg skripta:

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

4. Rezultati praznog teksta

Uzrok: Datoteka .one može biti prazna, sadržavati samo slike ili tablice (bez RichText čvorova), ili biti datoteka bilježnice (.onetoc2) umjesto datoteke odjeljka (.one).

Popravak: Provjerite broj stranica i pregledajte vrste čvorova:

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

Uzrok: Datoteka .one je šifrirana. Šifrirani dokumenti nisu podržani.

Fix: Aspose.Note FOSS za Python ne podržava šifrirane .one datoteke. Potpuno opremljeni komercijalni proizvod Aspose.Note podržava dešifriranje.

Često postavljana pitanja

Mogu li izvući tekst sa svih stranica odjednom?

Da. doc.GetChildNodes(RichText) pretražuje cijelo stablo dokumenta rekurzivno, uključujući sve stranice, konture i elemente konture.

Podržava li biblioteka .onetoc2 bilježničke datoteke?

Ne. Biblioteka obrađuje samo datoteke odjeljka .one. Datoteke tablice sadržaja bilježnice (.onetoc2) su drugačiji format i nisu podržane.

Mogu li izvući tekst iz tablica?

Da. TableCell čvorovi sadrže RichText djecu koja se mogu čitati na isti način:

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()

Koje verzije Pythona su podržane?

Python 3.10, 3.11 i 3.12.

Je li biblioteka thread‑safe?

Svaka Document instanca treba biti korištena iz jedne niti. Za paralelno izdvajanje, stvorite zasebnu Document po niti.

Povezani resursi:

• Pregled značajki
• Vodič za programere
• Kako izvesti u PDF
• Referenca API-ja