Pour un développeur Python, qui essaie d’ajouter une fonctionnalité de conversion OFT en TEXT dans l’application ? L’API Aspose.Total for Python via .NET peut aider à automatiser le processus de conversion. Il s’agit d’un ensemble complet de diverses API traitant différents formats, notamment les formats Email, Images et Microsoft Word. Les API Aspose.Words for Python via .NET et Aspose.Email for Python via .NET qui font partie du package Aspose.Total for Python via .NET facilitent cette conversion à l’aide de Python. C’est un processus en deux étapes, d’abord charger Email et le rendre en HTML via Aspose.Email for Python via .NET . Ensuite, chargez le HTML converti en utilisant Aspose.Words for Python via .NET et enregistrez-le au format TEXT.
Comment convertir OFT en TEXT en Python
- Ouvrez le fichier OFT source à l’aide de la classe MailMessage.load
- Appelez la méthode
savetout en spécifiant le chemin du fichier HTML de sortie et les options d’enregistrement HTML pertinentes en tant que paramètre. Ainsi, votre fichier OFT est converti en HTML au chemin spécifié - Chargez maintenant le fichier HTML enregistré à l’aide de Document
- Appelez la méthode save avec le chemin de fichier approprié. Donc finalement le OFT est converti
Exigences de conversion
- Pour la conversion OFT en TEXT, Python 3.5 ou version ultérieure est requis
- API de référence dans le projet directement depuis PyPI ( Aspose.Words et Aspose.Email )
- Ou utilisez la commande pip suivante
pip install aspose.wordsetpip install Aspose.Email-for-Python-via-NET - De plus, les systèmes d’exploitation basés sur Microsoft Windows ou Linux (voir plus pour Words et Email ) et pour Linux, vérifiez les exigences supplémentaires pour gcc et libpython et suivez les instructions étape par étape INSTALL
Enregistrer OFT en TEXT en Python
Cas d'utilisation clés
Extraction de contenu brut
Convertir les fichiers OFT en texte pour un accès direct au contenu du message sans la complexité du formatage.Préparation de la recherche et de l’indexation
Utiliser les sorties en texte brut pour améliorer l’indexation, la récupération et les flux de travail d’analyses basées sur le texte.Stockage d’archivage léger
Conserver le contenu essentiel des modèles dans un format compact et simple.
Scénarios d'automatisation
Pipelines d’exploration de texte
Alimenter le contenu OFT extrait dans des processus de classification, d’étiquetage ou d’analyse automatisés.Création d’archive consultable
Convertir les modèles en texte brut pour l’indexation du dépôt et des flux de travail de récupération rapide.Normalisation programmatique du contenu
Utiliser les API Python pour standardiser le texte des modèles en vue d’intégrations et de traitements de données en aval.