Discussion :

[rom44]

Après vous avoir embêté avec les dictionnaires, j'ai besoin de vos conseils pour fragmenter un gros fichier word qui est trop lourd pour être manipuler tel quel.

J'aimerai créer un fichier toutes les 2 ou 3 pages du document original.
J'ai déjà travaillé un peu les fichiers excel sous python mais je ne sais pas manipuler les documents word, et notamment repérer les pages.

merci

[eyquem]

Ça va être coton.

Lance le code suivant sur un fichier word et tu vas voir le bazar.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
with open('fichier.doc','rb') as f:
    li = f.readlines()
print '\n'.join(map(repr,li))

Quand je lance ça sur un fichier .doc contenant ce qui suit

a la croisee
des chemins bla bla
que ? faratriboule perdu au milieu
.......................................................samoan escalier to heavens

ça me sort

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
'{\\rtf1\\ansi\\ansicpg1252\\deff0\\deflang1033{\\fonttbl{\\f0\\fswiss\\fcharset0 Arial;}}\r\n'
'\\viewkind4\\uc1\\pard\\f0\\fs20 a la croisee\\par\r\n'
'des chemins \\b bla\\b0  bla\\par\r\n'
'que ? faratriboule\\i  perdu \\i0 au milieu\\par\r\n'
'\\pard\\qc samoan escalier to heavens \\par\r\n'
'}\r\n'
'\x00'

il y a des tas de balises sous-jacentes. Il faut analyser pour trouver celles qui commandent un passage à la page suivante.

[rom44]

ah oui effectivement ! ...encore pire avec un doc créée par MSWORD 2007 en mode de compatibilité !

je devrais peut être plutôt chercher du coté d'une macro VBA non ?

merci

[yoshik]

Bonsoir,

Dur, dur de passer derrière un "monument" (eyquem )...
Une idée qui me vient comme ça : si ton document word ne contient pas de mise en page trop élaborée, l'ouverture dudit fichier via swriter d'OpenOffice, puis son enregistrement au format .odt fera peut-être l'affaire...
Ca ne coûte rien d'essayer...
Pourquoi ? Si je ne m'abuse les fichiers .odt sont des fichiers .xml zippés...
Pour s'en assurer, prendre un fichier .odt, changer l'extension en .zip, puis l'ouvrir avec un dézippeur quelconque (7zip, Izarc sont libres et gratuits).
Et Python est équipé pour bidouiller les fichiers .xml...

@+

[rom44]

bein le probleme c'est que ce doc est assez complexe ie avec du texte, des images, des graphs, des cadres, styles...

Je crois que ca va etre super complexe avec python. Meme en vb je n'y arrive pas. J'ai pu trouvé quelques bouts de code qui fonctionnent mais seulement sur du texte simple alors...

merci quand meme

[tyrtamos]

Bonjour,

Je crois qu'avec le module win32com, on peut agir sur Word avec un script Python, mais je ne sais pas m'en servir. On peut par exemple injecter du texte dans un document .doc par l'intermédiaire de Word (il faut que word soit présent).

Tyrtamos

[fred1599]

Je crois qu'avec le module win32com, on peut agir sur Word avec un script Python, mais je ne sais pas m'en servir

Oui on peut, mais le principe est de transformer ton fichier doc en fichier csv afin de le modifier et de le retransformer en doc.

Faut voir ce que ça donne mais si la mise en page est complexe, je crains le pire.

[tyrtamos]

Non, je ne crois pas que la conversion en csv soit nécessaire. Le package des pywin-win32 permet à Python d'attaquer directement les api des applications Windows, y compris de Windows lui-même.

On installe à partir d'ici: http://python.net/crew/skippy/. A partir de l'IDE 'PythonWin', on accède à la doc (en anglais).

Mais c'est très compliqué...

Une autre idée: tu n'as pas dit si les pages extraites devaient absolument être en .doc modifiable. Si tu voulais simplement avoir une image présentable, tu pourrais faire ceci (que j'ai déjà utilisé):

1- convertir le .doc en .pdf avec pdfcreator

2- utiliser pdfsam ('pdf split and merge') pour éclater le .pdf en pages, et faire les regroupements de pages qui te conviennent.

Il est possible qu'il existe une conversion de .pdf à .doc, mais je n'en connais pas.

Tyrtamos

[edit:] les convertisseurs .pdf => .doc existent (http://www.google.fr/#hl=fr&source=h...18dee58a9fc896). Il y en a même beaucoup. Certains sont gratuits, d'autres payants. Il y en a même en ligne!