如何统计.odt文档单词数？遍历文件夹批量实现方案

功能需求 #

• 遍历指定文件夹及其子文件夹，筛选所有OpenOffice .odt 文档
• 打开每个.odt文档并统计其中的单词数量
• 汇总所有文档的单词数并输出结果

目前使用odfpy库操作.odt文件，但现有示例和文档多聚焦于内容添加、样式获取等操作，缺少提取文档文本的相关资料。

单文件单词统计代码 #

基于字符统计思路调整出单文件单词统计代码（当前仅处理指定test.odt文件，后续需优化为批量处理）：

def count_words_in_file(file_list):
    # 打开所有找到的.odt文件，统计单词数并求和
    # 后续需调整为处理所有文件
    file_path = "test.odt"
    from odf import text
    # 读取文档
    document_text = load(file_path)
    # 获取文档中所有段落
    all_paragraphs = document_text.getElementsByType(text.P)

    final_word_count = 0
    # 遍历每个段落，提取文本并统计单词数
    for paragraph in all_paragraphs:
        text_content = teletype.extractText(paragraph)
        words = text_content.split(" ")
        while '' in words:
            words.remove('')
        print(words)
        final_word_count += len(words)

    print(f"最终单词数: {final_word_count}")

文件夹遍历初始代码 #

已编写文件夹遍历的初始代码，目前需完善批量统计逻辑：

# 统计指定文件夹及其子文件夹中的.odt文档数量与总单词数
# 默认检查脚本所在目录的上级目录

# 导入所需库
import os
from odf.opendocument import OpenDocumentText
from odf import text

def main():
    # 获取脚本当前所在目录
    current_dir = os.path.dirname(os.path.abspath(__file__))
    # 设置为上级目录
    above_dir = current_dir + "\.."

    # 调用函数扫描.odt文件
    file_list = scan_for_files(above_dir)

    # 调用函数统计单词数
    count_words_in_file(file_list)

def scan_for_files(above_dir):
    # 存储所有找到的文件路径
    file_list = []

    # 遍历所有文件夹及子文件夹
    for folder, subfolder, files in os.walk(above_dir):
        for file in files:
            complete_path = os.path.join(folder, file)
            file_list.append(complete_path)

    return file_list

def count_words_in_file(file_list):
    # 打开所有找到的.odt文件，统计单词数并求和
    for file in file_list:
        if file.endswith(".odt"):
            textdoc = OpenDocumentText()
            for paragraph in textdoc.body.childNodes:
                print(paragraph)

main()

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