Як витягнути текст з файлів OneNote у Python

Microsoft OneNote .one файли є бінарними документами, які не можна читати як простий текст або аналізувати за допомогою загальних XML‑інструментів. Aspose.Note FOSS for Python надає чистий Python‑парсер, який завантажує .one файли у повну модель об’єктного документа (DOM), що спрощує програмне вилучення тексту, метаданих форматування та гіперпосилань.

Переваги використання Aspose.Note FOSS для Python

1. Не потрібен Microsoft Office: читати .one файли на будь‑якій платформі, включаючи Linux CI/CD сервери
2. Повний доступ до тексту та форматування: простий текст, жирний/курсивний/підкреслений текст, властивості шрифту та URL‑посилання
3. Безкоштовний та з відкритим кодом: ліцензія MIT, без плати за використання та без API‑ключів

Покроковий посібник

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)

Поширені проблеми та виправлення

1. ImportError: Не знайдено модуль ‘aspose’

Причина: Пакет не встановлений у активному середовищі Python.

Виправлення:

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

2. FileNotFoundError при завантаженні файлу .one

Причина: Шлях до файлу неправильний або файл не існує.

Виправлення: Використовуйте абсолютний шлях або перевірте, чи існує файл перед завантаженням:

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 у Windows під час друку

Причина: Термінали Windows можуть використовувати застаріле кодування, яке не може відображати символи Unicode.

Виправлення: Переналаштуйте stdout на початку вашого скрипту:

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

4. Результати порожнього тексту

Причина: Файл .one може бути порожнім, містити лише зображення або таблиці (без вузлів RichText), або бути файлом нотатника (.onetoc2) замість файлу розділу (.one).

Fix: Перевірте кількість сторінок і проаналізуйте типи вузлів:

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

Причина: Файл .one зашифрований. Зашифровані документи не підтримуються.

Fix: Aspose.Note FOSS for Python не підтримує зашифровані .one файли. Повнофункціональний комерційний продукт Aspose.Note підтримує розшифрування.

Поширені запитання

Чи можу я витягнути текст з усіх сторінок одразу?

Так. doc.GetChildNodes(RichText) шукає у всьому дереві документа рекурсивно, включаючи всі сторінки, контури та елементи контурів.

Чи підтримує бібліотека файли нотатника .onetoc2?

Ні. Бібліотека обробляє лише файли розділів .one. Файли змісту ноутбука (.onetoc2) мають інший формат і не підтримуються.

Чи можу я витягнути текст із таблиць?

Так. TableCell вузли містять RichText дочірні елементи, які можна прочитати так само:

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()

Які версії Python підтримуються?

Python 3.10, 3.11 і 3.12.

Чи є бібліотека потокобезпечною?

Кожен Document екземпляр має використовуватись лише в одному потоці. Для паралельного вилучення створіть окремий Document на кожен потік.

Пов’язані ресурси:

• Огляд функцій
• Посібник розробника
• Як експортувати у PDF
• Довідник API