共计 914 个字符,预计需要花费 3 分钟才能阅读完成。
- 简介
- 格局类型
- 转换 doc 为 docx 文件
- 读写 docx 文件
- 小结
简介
Word 是十分常见的文件格式, 能够应用 python 来操作 Word 文档.
格局类型
Word 有两种类型的文档, 文件后缀别离为 .doc
和 .docx
.
前者是 Office 2003 时的格局, 后者是 Office 2007 当前推出的新格局.
通常来说, 我倡议大家应用新版本, 然而免不了很多时候会应用老版本.
转换 doc 为 docx 文件
这是在 linux 上应用的, 须要借助 soffice.
如果须要在 windows 上操作, 倡议应用 win32com.
这里有一个参考连贯.
import glob
import subprocess
from pathlib import Path
"""借助 soffice 将 doc 转换为 docx"""
base_dir = Path(__file__).resolve().parent
print(base_dir)
doc_list = glob.glob(base_dir.as_posix() + "/**/*.doc", recursive=True)
print(doc_list)
for doc in doc_list:
subprocess.call(
[
"soffice",
"--headless",
"--convert-to",
"docx",
"--outdir",
Path(doc).parent.as_posix(),
doc,
]
)
doc_list = glob.glob(base_dir.as_posix() + "/**/*.docx", recursive=True)
print(doc_list)s
读写 docx 文件
这里举荐应用 python-docx
.
pip install python-docx
简略应用
from docx import Document
doc = Document(doc_path)
# 读取表格列表
table_list = doc.tables
# 读取段落
paragraph_list = [x.text.strip() for x in doc.paragraphs if x.text.strip()]
更多的内容能够参考官网文档.
小结
当初, 咱们曾经能够应用 python 转换 doc 为 docx 文件, 并从中读取内容了.
正文完