• 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 globimport subprocessfrom pathlib import Path"""借助 soffice 将 doc 转换为 docx"""base_dir = Path(__file__).resolve().parentprint(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 Documentdoc = 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.