关于python:操作DOCX文件

简介
格局类型
转换 doc 为 docx 文件
读写 docx 文件
小结

Word 是十分常见的文件格式, 能够应用 python 来操作 Word 文档.

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.

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

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.

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.

简介

格局类型

转换 doc 为 docx 文件

读写 docx 文件

小结