摘要

本文讲述通过python实现多线程将当前目录下的 .doc文档转.pdf、.docx文档转.pdf，以及.doc文档转.docx（在python中，如需对word文档进行读写，只能读写docx格式的word文档）。
其中涉及到的知识点有如下几点：

通过win32com模块对office文档进行格式转化
多线程的应用及控制

模块说明

threading：线程应用模块
pythoncom：处理word应用，使其独立运行的api接口模块
win32com：office文档处理模块，通过 “pip install pypiwin32” 安装

import os, re
import threading
import pythoncom
from win32com.client import DispatchEx

定义main部分

代码分析

在多线程程序中，因电脑性能不同，需控制线程最大并发数。以下为控制线程最大并发数的代码，用到 threading.Semaphore() 方法

semaphore = threading.Semaphore(12)

定义线程锁。不同线程之间可能在输出面板同时输出，造成输出紊乱，如：
线程1将输出：
who am i in thread 1
i am A
线程2将输出：
who am i in thread 2
i am B
线程同时运行时标准输出为：
who am i in thread 1
i am A
who am i in thread 2
i am B
而线程同时运行时可能输出：
who am i in thread 1
who am i in thread 2
i am B
i am A
以下为控制线程独立输出的代码，用到 threading.Lock() 方法

lock = threading.Lock()

遍历指定目录下所有文件，其中 file 为文件名，a 为该文件路径， c 为该文件同一文件夹下的所有文件集

for a, b, c in os.walk(pre):for file in c:

判断文件名后缀是否含有 .doc ，是则为 .doc 或者 .docx 文件，否则不处理

if re.search('\.doc', file) != None:

threading.Thread(target=, args=) 定义线程，target 参数指定线程运行的方法，args 参数传入运行方法的参数，start() 方法执行线程，DocToDocx和DocToPdf的作用下文中会具体说明

threading.Thread(target=WordConvertToOther.DocToDocx, args=(pre + file,)).start()

main代码

if __name__ == '__main__':# 控制线程最大并发数为12semaphore = threading.Semaphore(12)# 线程锁lock = threading.Lock()# 当前脚本目录绝对路径pre = os.path.realpath('./') + '\\'for a, b, c in os.walk(pre):for file in c:if re.search('\.doc', file) != None:# 将doc转存为docxthreading.Thread(target=WordConvertToOther.DocToDocx, args=(pre + file,)).start()# 将doc、docx转存为pdf# threading.Thread(target=WordConvertToOther.DocToPdf, args=(pre + file, )).start()

定义doc转docx函数

代码分析

使函数在最大线程限制下运行

with semaphore:

用 pythoncom.CoInitialize() 方法创建套间。pythoncom模块为线程和word对象创建一个套间，令其可以正常关联和执行。多线程运行office应用时需加入此模块方法，否则将出错，非多线程则不需要。之后的 pythoncom.CoUninitialize() 方法则用以释放套间资源

pythoncom.CoInitialize()

通过 DispatchEx(‘Word.Application’) 方法启动office应用程序，相当于在windows下打开office

word = DispatchEx('Word.Application')

通过 word.Documents.Open() 方法启动具体的某个文档文件

doc = word.Documents.Open(docpath)

doc.SaveAs() 为将打开的doc存储为docx的主要方法。其中 re.sub 方法将路径中文件名的doc替换为docx，FileFormat 指定保存的文件格式，等于 12 保存为docx、等于 17 保存为pdf

doc.SaveAs(re.sub('.doc$', '.docx', docpath), FileFormat=12)

无论doc文档执行结果如何，都需让office应用程序关闭，否则将会在后台中继续运行，占用系统资源

word.Quit()

函数代码

    def DocToDocx(docpath):'''将doc转存为docx'''with semaphore:lock.acquire()try:# CoInitialize初始化,为线程和word对象创建一个套间，令其可以正常关联和执行pythoncom.CoInitialize()# 用DispatchEx()的方式启动MS Word或与当前已执行的MS Word建立连结word = DispatchEx('Word.Application')# 打开指定目录下doc文档doc = word.Documents.Open(docpath)# 将打开的doc文档存储为docxdoc.SaveAs(re.sub('.doc$', '.docx', docpath), FileFormat=12)# 关闭doc文档doc.Close()except:# 报错则输出报错文件print(docpath + '：无法打开')else:# 无报错输出转换完成print(os.path.basename(docpath) + " ： 转换完成")finally:# 关闭office程序word.Quit()# 释放资源pythoncom.CoUninitialize()lock.release()

定义doc转pdf函数

函数代码

这里与doc转docx类似，直接附上函数代码：

    def DocToPdf(docpath):'''将doc、docx转存为pdf'''with semaphore:lock.acquire()try:pythoncom.CoInitialize()word = DispatchEx('Word.Application')doc = word.Documents.Open(docpath)doc.SaveAs(re.sub('\.doc.*', '.pdf', docpath), FileFormat=17)doc.Close()except:print(docpath + '：无法打开')else:print(os.path.basename(docpath) + " ： 转换完成")finally:word.Quit()pythoncom.CoUninitialize()lock.release()

完整代码

import os, re
import threading
import pythoncom
from win32com.client import DispatchExclass WordConvertToOther:def DocToDocx(docpath):'''将doc转存为docx'''with semaphore:lock.acquire()try:# CoInitialize初始化,为线程和word对象创建一个套间，令其可以正常关联和执行pythoncom.CoInitialize()# 用DispatchEx()的方式启动MS Word或与当前已执行的MS Word建立连结word = DispatchEx('Word.Application')# 打开指定目录下doc文档doc = word.Documents.Open(docpath)# 将打开的doc文档存储为docxdoc.SaveAs(re.sub('.doc$', '.docx', docpath), FileFormat=12)# 关闭doc文档doc.Close()except:# 报错则输出报错文件print(docpath + '：无法打开')else:# 无报错输出转换完成print(os.path.basename(docpath) + " ： 转换完成")finally:# 关闭office程序word.Quit()# 释放资源pythoncom.CoUninitialize()lock.release()def DocToPdf(docpath):'''将doc、docx转存为pdf'''with semaphore:lock.acquire()try:pythoncom.CoInitialize()word = DispatchEx('Word.Application')doc = word.Documents.Open(docpath)doc.SaveAs(re.sub('\.doc.*', '.pdf', docpath), FileFormat=17)doc.Close()except:print(docpath + '：无法打开')else:print(os.path.basename(docpath) + " ： 转换完成")finally:word.Quit()pythoncom.CoUninitialize()lock.release()if __name__ == '__main__':# 控制线程最大并发数为12semaphore = threading.Semaphore(12)# 线程锁lock = threading.Lock()# 当前脚本目录绝对路径pre = os.path.realpath('./') + '\\'for a, b, c in os.walk(pre):for file in c:if re.search('\.doc', file) != None:# 将doc转存为docx# threading.Thread(target=WordConvertToOther.DocToDocx, args=(pre + file,)).start()# 将doc、docx转存为pdfthreading.Thread(target=WordConvertToOther.DocToPdf, args=(pre + file, )).start()

参考文献

https://www.jianshu.com/p/4fa504c720c1
http://yshblog.com/blog/57

【script】python实现多线程将doc、docx转pdf，doc转docx相关推荐

100天精通Python丨办公效率篇 —— 12、Python自动化操作 office-word（word转pdf、转docx、段落、表格、标题、页面、格式）
本文收录于 <100天精通Python专栏 - 快速入门到黑科技>专栏,是由 CSDN 内容合伙人丨全站排名 Top 4 的硬核博主不吃西红柿倾力打造. 基础知识篇以理论知识为主,旨在 ...
python读取 xls，xlsx，csv，doc，docx，pdf 格式的文件
前言利用python读取 xls,xlsx,csv,doc,docx,pdf 格式的文件 python版本3.10.4 读取xls pip install xlrd==2.0.1 wps的.et文件 ...
Python在Linux,Windows上打开有密doc，docx文件（密码已知）
Python在Linux,Windows上打开有密doc,docx文件(密码已知) Linux Windows Linux Install: pip install msoffcrypto-tool ...
Atitit s2018 s4 doc list dvchomepc dvccompc.docx .docx \s2018 s4 doc compc dtS44 \s2018 s4 doc dvc
Atitit s2018 s4 doc list dvchomepc dvccompc.docx .docx \s2018 s4 doc compc dtS44 \s2018 s4 doc dvcCo ...
python docx 合并文档图片_使用python抓取大量简历文档内数据(word:docx;pdf;图片等）输出表格文件...
1. 文章背景描述: 近期公司有员工离职了,技术岗位的. 让HR招人,招聘进度也太慢了,实在等不及,就撸起袖子自己上.(之前从来没招聘过) 自己在某招聘网站注册后,花了若干人民币,短时间收到大量求职者 ...
python中docx模块的使用_python使用docx模块读写docx文件的方法与docx模块常用方法详解...
一,docx模块 Python可以利用python-docx模块处理word文档,处理方式是面向对象的.也就是说python-docx模块会把word文档,文档中的段落.文本.字体等都看做对象,对对象 ...
python读取docx文件_Python应用 | 读写docx文件 (值得收藏的技能)
字处理软件是平时办公必备的同时也是最常用的软件之一,而字处理软件用的最多最频繁的就是微软的word,其扩展名为docx.在日常工作中,可能需要对很多的docx文件进行批处理,例如教师在批阅学生提交的电 ...
python读取docx文件出错_Python读写docx文件的方法
这篇文章主要介绍了关于Python读写docx文件的方法,有着一定的参考价值,现在分享给大家,有需要的朋友可以参考一下 Python读写word文档有现成的库可以处理.我这里采用 python-doc ...
免费利用python把pdf格式转docx
免费利用python把pdf格式转docx,再也不用wps等要钱办公软件转文档了,不多说,直接上代码 1.首先导入pdf包,通过pip安装 pip install pdfplumber 2.开发代码上 ...

【script】python实现多线程将doc、docx转pdf，doc转docx

摘要

模块说明

定义main部分

代码分析

main代码

定义doc转docx函数

代码分析

函数代码

定义doc转pdf函数

函数代码

完整代码

参考文献

【script】python实现多线程将doc、docx转pdf，doc转docx相关推荐

最新文章

热门文章