如何使用Python从URL读取.odt文件？报错问题求助

嘿，这个问题我熟！你碰到的是Python版本兼容的坑——你用的ODTReader库是基于Python 2开发的，但你现在运行的是Python 3，两者的print语法不一样，才导致了这个报错。

错误原因详解 #

Python 2里的print是一个语句，写法是print "xxx"；但Python 3里print变成了函数，必须加括号写成print("xxx")。你看到的报错行print "Could not find 'content.xml': {}".format(str(e))就是典型的Python 2写法，放在Python 3环境里自然会触发语法错误。

两种解决方案 #

方案一：手动修复ODTReader库的代码 #

如果你不想换库，可以直接修改库里的代码来适配Python 3：

• 找到报错文件的路径：C:\ProgramData\Anaconda3\lib\site-packages\ODTReader\odtreader.py
• 打开这个文件，把所有不带括号的print语句都改成带括号的形式。比如报错的那行要改成：

  print("Could not find 'content.xml': {}".format(str(e)))
  

• 检查文件里其他的print语句，只要是类似print "一些文本"的写法，都改成print("一些文本")的形式。

方案二：换用Python 3兼容的ODT读取库（推荐） #

更稳妥的方式是换用专门支持Python 3的ODF文档处理库，比如odfpy。步骤如下：

1. 先安装库：

   pip install odfpy
   

2. 使用以下代码读取URL中的.odt文件：

   import requests
   from io import BytesIO
   from odf import text, teletype
   from odf.opendocument import load
   
   url = "https://abc.s3.ap-south-1.amazonaws.com/sample1.odt"
   # 从URL获取文件内容并加载为ODT文档
   response = requests.get(url)
   doc = load(BytesIO(response.content))
   
   # 提取文档中的所有文本
   odt_text = ""
   for paragraph in doc.getElementsByType(text.P):
       odt_text += teletype.extractText(paragraph) + "\n"
   
   print("odt_text ", odt_text)
   

这个库维护更活跃，也完全兼容Python 3，能稳定处理ODT文件的文本提取。

内容的提问来源于stack exchange，提问作者user14956888