Python Docuworksからテキストを抽出したい

Question

Docuworksからテキストを抽出したい

いつも大変お世話になっております。

Docuworksからテキストを抽出するプログラムに挑戦中です。

Docuworksのホームページ
https://www.fujifilm.com/fb/support/software/dw_world

幸いなことに既にプログラムを公開してくださってる方がおりまして、
早速使用させていただいたのですが、うまくいきません。

pythonファイルにDocuworksをドラッグ・ドロップしたところ
テキストファイルは作成されましたが、中身が空でした。

公開してくださった方のサイト↓
https://www.ishikawasekkei.com/index.php/2019/09/11/xdwlib-docuworks-text-export/

以下公開してくださった方のコード

from sys import argv, exit
from os.path import basename, isfile, splitext
from xdwlib import xdwopen

def export_xdwfulltext(input_file):

    BASE_FILENAME , ext = splitext(input_file)
    if ext.lower() != ".xdw":
        print("指定されたファイルの拡張子が.xdwではありません。["+ext+"]")
        input("Hit Enter key.")
        return

    if not isfile(input_file):
        print("指定されたファイルが存在しません。["+input_file+"]")
        input("Hit Enter key.")
        return

    OUTPUT_PATHNAME = BASE_FILENAME + ".txt"

    if isfile(OUTPUT_PATHNAME):
        print("出力先のファイルが既に存在します。["+OUTPUT_PATHNAME+"]")
        answer = input("上書きしますか？（Y/N):")
        if answer.upper()[0] != "Y":
            print("処理を中断しました。")
            return

    with open(OUTPUT_PATHNAME,"w",encoding="utf-8") as f,\
         xdwopen(input_file) as doc:
        for p in doc:
            f.write(p.fulltext())
            f.write("\n")


if __name__ == '__main__':

    if len(argv) < 2:
        print(basename(argv[0]),"は、ドキュワークスで出力されたxdwファイルの中のテキストを出力するプログラムです。")
        print("拡張子が.xdwのファイルのみ対象とし、同ファイル名の.txtファイルとして出力します。")
        print("使い方１：",basename(argv[0]),"hoge.xdw ...")
        print("使い方２：",basename(argv[0]),"に、ファイルをドラッグ＆ドロップ")
        input("Hit Enter key.")
        exit

    for f in argv[1:]:
        export_xdwfulltext(f)

試したこと

自分で作成してみようと思い、調べてみたのですが
Docuworksから何らかのツールを使用してテキストを抽出するより、
OCR化して使用している人が多く、サンプルをなかなか見つけられませんでした。

OCR化はできるのですが、できればpythonで挑戦したいと考えております。

以下のサイトは見てみました。
http://xdwlib.linxs.org/modules

アドバイス、おすすめのサイト等ご教授いただければ幸いです。

初心者のため拙い質問等すると思います。そういった質問にも答えられる方
どうぞよろしくお願い致します。

攻撃的な言葉を使用する方は苦手なので、他の方のお力になって頂ければ幸いです。

どうぞよろしくお願い致します。

Comments

[8524ba23]

同様に空のファイルができるので、そもそもそういうもの（または何かが足りてない）かもしれません。

[dokidoki_hamuo]

ご回答ありがとうございます！！！

試して頂き感謝しております。
もしかしてそうなのかなと思っていたので、おかげさまでモヤモヤがすっきりしました。
自分でなんとか情報収集してみようと思います。

周囲でpythonを使う人がいないので、試してもらうこともできなかったので助かりました。

can110様、ありがとうございました。

[dokidoki_hamuo]

自分のモヤモヤが解決したので、ベストアンサーにさせてください。
いったん、自分でコードを整理してから、また投稿させて頂こうと思います。

[8524ba23]

解決した内容、方法などを自己回答して解決済みにしてください。
https://teratail.com/help#resolve-myself

[dokidoki_hamuo]

can110様
承知しました。この度はありがとうございました。またよろしくお願いいたします。

Answer 1

コードが足りていないのではないか、という結論に至りました。

試して頂いた方に感謝します。
自分のDocuworksの変換の仕方がおかしいのか？と疑っていたので、すっきりしました。
アプリケーション文書、イメージ文書などさまざまなDocuworksを作成しましたが
どうやらコードが足りてなかったようなので、今度は自分で作成してみます。