python讀取word中的段落、表、圖+++++++++++Doc轉換Docx

讀取文本、圖、表、解壓信息

import docx
import zipfile
import os
import shutil

'''讀取word中的文本'''
def gettxt():
    file=docx.Document("gao.docx")
    print("段落數:"+str(len(file.paragraphs)))#段落數為13，每個回車隔離一段
    
    #輸出每一段的內容
    # for para in file.paragraphs:
    #     print(para.text)
    
    #輸出段落編號及段落內容
    for i in range(len(file.paragraphs)):
        if len(file.paragraphs[i].text.replace(' ',''))>4:
            print("第"+str(i)+"段的內容是："+file.paragraphs[i].text)


            
'''讀取word中的table''' 
def gettable():
    doc = docx.Document('word.docx')
    for table in doc.tables:  # 遍歷所有表格
        print ('----table------')
        for row in table.rows:  # 遍歷表格的所有行
            # row_str = '\t'.join([cell.text for cell in row.cells])  # 一行數據
            # print row_str
            for cell in row.cells:
                print (cell.text, '\t')

'''獲取解壓后的文件信息''' def getinfo(wordfile):
    f=zipfile.ZipFile(wordfile,'r')
    for filename in f.namelist():
        f.extract(filename)
        print(filename)
        
'''
輸出解壓后的信息：
_rels/
_rels/.rels
customXml/
customXml/_rels/
customXml/_rels/item1.xml.rels
customXml/_rels/item2.xml.rels
customXml/item1.xml
customXml/item2.xml
customXml/itemProps1.xml
customXml/itemProps2.xml
docProps/
docProps/app.xml
docProps/core.xml
docProps/custom.xml
docProps/thumbnail.wmf
word/
word/_rels/
word/_rels/document.xml.rels
word/document.xml
word/fontTable.xml
word/media/
word/media/image1.jpeg
word/numbering.xml
word/settings.xml
word/styles.xml
word/theme/
word/theme/theme1.xml
'''





''' ------獲取圖：
word文檔的路徑
zip壓縮文件的路徑
臨時解壓的tmp路徑
最后需要保存的store_path路徑
'''
def getpic(path, zip_path, tmp_path, store_path):
    '''
    :param path:源文件
    :param zip_path:docx重命名為zip
    :param tmp_path:中轉圖片文件夾
    :param store_path:最后保存結果的文件夾（需要手動創建）
    :return:
    '''
    '''=============將docx文件重命名為zip文件===================='''
    os.rename(path, zip_path)
    # 進行解壓
    f = zipfile.ZipFile(zip_path, 'r')
    # 將圖片提取並保存
    for file in f.namelist():
        f.extract(file, tmp_path)
    # 釋放該zip文件
    f.close()
    '''=============將docx文件從zip還原為docx===================='''
    os.rename(zip_path, path)
    # 得到緩存文件夾中圖片列表
    pic = os.listdir(os.path.join(tmp_path, 'word/media'))
    '''=============將圖片復制到最終的文件夾中===================='''
    for i in pic:
        # 根據word的路徑生成圖片的名稱
        new_name = path.replace('\\', '_')
        new_name = new_name.replace(':', '') + '_' + i
        shutil.copy(os.path.join(tmp_path + '/word/media', i), os.path.join(store_path, new_name))
    '''=============刪除緩沖文件夾中的文件，用以存儲下一次的文件===================='''
    for i in os.listdir(tmp_path):
        # 如果是文件夾則刪除
        if os.path.isdir(os.path.join(tmp_path, i)):
            shutil.rmtree(os.path.join(tmp_path, i))

    
            

if __name__ == '__main__':
    # 源文件
    path = r'E:\dogcat\提取圖片\log.docx'
    # docx重命名為zip
    zip_path = r'E:\dogcat\提取圖片\log.zip'
    # 中轉圖片文件夾
    tmp_path = r'E:\dogcat\提取圖片\tmp'
    # 最后保存結果的文件夾
    store_path = r'E:\dogcat\提取圖片\測試'
    m = getpic(path, zip_path, tmp_path, store_path)

 

 

 

至於處理doc文件直接轉存成docx文件就可以了

def docTTTTTdocx(doc_name, docx_name):    
　　try:
        # 首先將doc轉換成docx
        word = client.Dispatch("Word.Application")
        doc = word.Documents.Open(doc_name)
        # 使用參數16表示將doc轉換成docx
        doc.SaveAs(docx_name, 16)
        doc.Close()
        word.Quit()
    except:
        pass


這里如果轉換不成功，可能是路徑的問題，把doc_name換成完整路徑，如下：

from win32com.client import Dispatch

def docToDocxR(docPath, docxPath):
    '''將doc轉存為docx'''
    word = Dispatch('Word.Application')
    pathPrefix = sys.path[0]+'\\'
    print(pathPrefix)
    doc = word.Documents.Open(pathPrefix+docPath)
    doc.SaveAs(pathPrefix+docxPath, FileFormat=12)
    doc.Close()
    word.Quit()

 

 

參考:

https://blog.csdn.net/qq_40925239/article/details/83279957

https://blog.csdn.net/qq_15969343/article/details/81673970