python doc格式轉文本格式

首先python是不能直接讀寫doc格式的文件的，這是python先天的缺陷。但是可以利用python-docx (0.8.6)庫可以讀取.docx文件或.txt文件，且一路暢通無阻。

這樣的話，可以先將doc格式轉化為docx格式，但是不能直接修改文件名的后綴（這樣文件會被損壞，即使沒被損壞可能也是亂碼），那到底要怎么去轉化呢？

 

直接上代碼：

from win32com import client as wc

word = wc.Dispatch("Word.Application")

doc = word.Documents.Open(路徑+名稱.doc)

doc.SaveAs(路徑+名稱.docx, 12)   12為docx

doc.Close()

 word.Quit()

 

然后讀取docx格式

讀取段落：

 import docx

        docStr = Document(docName)   打開文檔

        for paragraph in docStr.paragraphs:

                parStr = paragraph.text

 

讀取表格：

numTables = docStr.tables

        for table in numTables:

                #行列個數

                row_count = len(table.rows)

                col_count = len(table.columns)

                for i in range(row_count):

                        row = table.rows[i].cells

                        i行j列內容：row[j].text

           或者：

                    row_count = len(table.rows)
                    col_count = len(table.columns)
                    for i in range(row_count):
                            for j in range(col_count):
                                    print(table.cell(i,j).text)