Hvordan hente ut tekst fra OneNote-filer i Python

Microsoft OneNote .one-filer er binære dokumenter som ikke kan leses som ren tekst eller parses med generiske XML‑verktøy. Aspose.Note FOSS for Python tilbyr en ren‑Python‑parser som laster .one-filer inn i en fullstendig dokumentobjektmodell (DOM), noe som gjør det enkelt å hente ut tekst, formateringsmetadata og hyperkoblinger programmatisk.

Fordeler med å bruke Aspose.Note FOSS for Python

1. Ingen Microsoft Office kreves: les .one‑filer på hvilken som helst plattform, inkludert Linux CI/CD‑servere
2. Full tilgang til tekst og formatering: ren tekst, fet/kurvet/understreket tekst, skriftegenskaper og hyperkoblings‑URL‑er
3. Gratis og åpen kildekode: MIT‑lisens, ingen bruksavgifter eller API‑nøkler

Trinn-for-trinn guide

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)

Vanlige problemer og løsninger

1. ImportError: Ingen modul med navn ‘aspose’

Årsak: Pakken er ikke installert i det aktive Python-miljøet.

Fiks:

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

2. FileNotFoundError når du laster .one‑fil

Årsak: Filstien er feil eller filen finnes ikke.

Løsning: Bruk en absolutt sti eller verifiser at filen finnes før lasting:

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 på Windows ved utskrift

Årsak: Windows-terminaler kan bruke en eldre koding som ikke kan gjengi Unicode-tegn.

Løsning: Konfigurer stdout på nytt i begynnelsen av skriptet ditt:

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

4. Tom tekstresultat

Årsak: Filen .one kan være tom, inneholde kun bilder eller tabeller (ingen RichText‑noder), eller være en notatbokfil (.onetoc2) i stedet for en seksjonsfil (.one).

Fix: Sjekk sideantallet og inspiser nodetypene:

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

Årsak: .one-filen er kryptert. Krypterte dokumenter støttes ikke.

Fiks: Aspose.Note FOSS for Python støtter ikke krypterte .one‑filer. Det fullfunksjonelle kommersielle Aspose.Note‑produktet støtter dekryptering.

Ofte stilte spørsmål

Kan jeg hente tekst fra alle sider på én gang?

Ja. doc.GetChildNodes(RichText) søker gjennom hele dokumenttreet rekursivt, inkludert alle sider, disposisjoner og disposisjonselementer.

Støtter biblioteket .onetoc2‑notatbokfiler?

Nei. Biblioteket håndterer kun .one seksjonsfiler. Notebook‑innholdsfortegnelsesfiler (.onetoc2) er et annet format og støttes ikke.

Kan jeg hente ut tekst fra tabeller?

Ja. TableCell noder inneholder RichText barn som kan leses på samme måte:

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()

Hvilke Python‑versjoner støttes?

Python 3.10, 3.11 og 3.12.

Er biblioteket trådsikkert?

Hver Document-instans bør brukes fra en enkelt tråd. For parallell uttrekk, opprett en separat Document per tråd.

Relaterte ressurser:

• Funksjonsoversikt
• Utviklerguide
• Slik eksporterer du til PDF
• API-referanse