python 好久不用,基础重拾系列(1,读取word(.doc&&.docx)2,批量转换.doc为.docx后缀 3,相对地址转绝对地址)
直接给代码,因为注释已经很详细了。
1 #读取docx中的文本代码示例 2 import docx 3 import os 4 from win32com import client as wc 5 #将doc转成docx 6 def doSaveAas(doc_path,docx_path): 7 word = wc.Dispatch('Word.Application') 8 doc = word.Documents.Open(doc_path) # 目标路径下的文件 9 doc.SaveAs(docx_path, 12, False, "", True, "", False, False, False, False) # 转化后路径下的文件 10 doc.Close() 11 word.Quit() 12 13 #将相对路径转换乘绝对路径,同时调用转换文件进行转换,同时再顺便删除之前的文件 14 def Dir_doc2docx(Dir_path): 15 for file_name in os.listdir(Dir_path): 16 print("AAAAAAAAAAAAAAAA") 17 print("文件名:"+file_name) 18 file_path = os.path.join(Dir_path, file_name) 19 print("文件后缀:"+os.path.splitext(file_name)[1] ) 20 if os.path.splitext(file_name)[1] == '.doc': 21 abs_file_path=os.path.abspath(file_path) 22 print("绝对路径:"+abs_file_path) 23 doSaveAas(abs_file_path,abs_file_path+'x') 24 try: 25 os.remove(file_path) 26 except: 27 continue 28 29 if __name__ =="__main__": 30 #获取文档对象 31 Dir_path="..\data" 32 Dir_doc2docx(Dir_path) 33 file_name=os.listdir(Dir_path)[1] 34 file_path = os.path.join(Dir_path, file_name) 35 print(file_path) 36 file=docx.Document(file_path) 37 print("段落数:"+str(len(file.paragraphs)))#段落数为13,每个回车隔离一段 38 #输出每一段的内容 39 for para in file.paragraphs: 40 print(para.text) 41 #输出段落编号及段落内容 42 for i in range(len(file.paragraphs)): 43 print("第"+str(i)+"段的内容是:"+file.paragraphs[i].text)