python在windows与linux下读取doc文件

前言
记录一下自己走的弯路，能帮助大家少走一点弯路。读取doc文件流程，基本上都是将doc文件转为docx文件或者pdf文件进行读取。下面主要介绍将doc文件转化为docx文件进行读取

一、python在windows读取doc文件
这个网上很多，主要通过win32com库，将doc文件转为docx，本文主要是提取word文件里面的图片，提取内容也大同小异。下面上代码。

import os
import shutil
import zipfile
from win32com import client
# doc转docx
def doc2docx(doc_name, docx_name):try:# 首先将doc转换成docxword = client.Dispatch("Word.Application")doc = word.Documents.Open(doc_name)# 使用参数16表示将doc转换成docxdoc.SaveAs(docx_name, 16)doc.Close()word.Quit()except:pass''':param path:源文件:param zip_path:docx重命名为zip:param tmp_path:中转图片文件夹:param store_path:最后保存结果的文件夹（需要手动创建）:return:'''
def word2pic(path, tmp_path, store_path):# 将docx文件重命名为zip文件#os.rename(path, zip_path)# 进行解压f = zipfile.ZipFile(path, 'r')# 将图片提取并保存for file in f.namelist():f.extract(file, tmp_path)# 释放该zip文件f.close()# 将docx文件从zip还原为docx#os.rename(zip_path, path)# 得到缓存文件夹中图片列表pic = os.listdir(os.path.join(tmp_path, 'word/media'))# 将图片复制到最终的文件夹中for i in pic:# 根据word的路径生成图片的名称shutil.copy(os.path.join(tmp_path + '/word/media', i), os.path.join(store_path, i))# 删除缓冲文件夹中的文件，用以存储下一次的文件for i in os.listdir(tmp_path):# 如果是文件夹则删除if os.path.isdir(os.path.join(tmp_path, i)):shutil.rmtree(os.path.join(tmp_path, i))

二、Linux下读取doc文件，通过libreoffice将doc文件转为docx文件，安装libreoffice，可以参考一下这个篇[安装libreoffice]

import os
import shutil
import zipfile
import subprocess# doc转docx
def doc2docx(docPath, docxPath):cmd = '/bin/libreoffice6.1 --headless --convert-to docx'.split() + [docPath] + ['--outdir'] + [docxPath]p = subprocess.Popen(cmd, stderr=subprocess.PIPE, stdout=subprocess.PIPE)p.wait(timeout=30)stdout, stderr = p.communicate()if stderr:raise subprocess.SubprocessError(stderr)''':param path:源文件:param zip_path:docx重命名为zip:param tmp_path:中转图片文件夹:param store_path:最后保存结果的文件夹（需要手动创建）:return:'''
def word2pic(down_file,pic_path,file_to_pic):tmp_path = '{}{}'.format(pic_path, '/temp')# 将docx文件重命名为zip文件#os.rename(path, zip_path)# 进行解压f = zipfile.ZipFile(down_file, 'r')# 将图片提取并保存for file in f.namelist():f.extract(file, tmp_path)# 释放该zip文件f.close()if os.path.isdir(os.path.join(tmp_path, 'word/media')):# 得到缓存文件夹中图片列表pic = os.listdir(os.path.join(tmp_path, 'word/media'))# 将图片复制到最终的文件夹中for i in pic:# 根据word的路径生成图片的名称shutil.copy(os.path.join(tmp_path + '/word/media', i), os.path.join(file_to_pic, i))# 删除缓冲文件夹中的文件，用以存储下一次的文件for i in os.listdir(tmp_path):# 如果是文件夹则删除if os.path.isdir(os.path.join(tmp_path, i)):shutil.rmtree(os.path.join(tmp_path, i))

python在windows与linux下读取doc文件相关推荐

用Python在Windows或Linux下批量删除文件夹中指定的文件
情况说明:当在一个文件夹下面有好几十个或几百个文件需要删除,此时一一去挑选费时费力,特别是在Linux下面.因此,需要批量删除文件. 对训练样本(图像)和测试样本(图像)进行评估时候,需要查看是数据本 ...
windows和linux下读取文件乱码的终极解决办法！
乱码是个很恶心的问题. windows和linux读取txt文件,一旦读取了,编码发生改变,就无法再还原了,只有重启项目. 网上有很多方法都是读取文件头,方法很好,但是亲测都不能用(右移8位判断0xf ...
Linux下读取doc,docx文件
如果是Linux Desktop发行版本,可以下载wps for linux docx文件利用python-docx包 test.py # -*- coding:utf-8 -*- import s ...
linux 下读取某个文件的某一行或者某几行
wc -l a.txt 统计a.txt 行数查看文件a.txt的第190行到196行, sed -n '190,196p' a.txt 如果查看某一行用 sed -n '190,1p' a.tx ...
linux下读取excel文件
一.example.cpp #include <iostream> #include <stdio.h> #include <string.h> #include ...
python在windows和linux_python在windows和linux下获得本机本地ip地址方法小结
本文实例总结了python在windows和linux下获得本机本地ip地址方法.分享给大家供大家参考.具体分析如下: python的socket包含了丰富的函数和方法可以获得本机的ip地址信息,so ...
python linux编程与window编程_Python实现Windows和Linux之间互相传输文件(文件夹)的方法...
项目中需要从Windows系统传输ISO文件到Linux测试系统,然后再Linux测试系统里安装这个ISO文件.所以就需要实现如何把文件从Windows系统传输到Linux系统中. 在项目中使用了ps ...
python传文件_Python实现Windows和Linux之间互相传输文件(文件夹)的方法
项目中需要从Windows系统传输ISO文件到Linux测试系统,然后再Linux测试系统里安装这个ISO文件.所以就需要实现如何把文件从Windows系统传输到Linux系统中. 在项目中使用了ps ...
linux用户间文件互传,windows和linux间互传文件
方法1:Xshell传输文件用rz,sz命令在xshell传输文件很好用,然后有时候想在windows和linux上传或下载某个文件,其实有个很简单的方法就是rz,sz 首先你的Ubuntu需要安 ...
Windows如何读取Linux,Linux下读取Windows注册表
原本以为Linux下读取Windows的注册表是个异想天开.无法实现的想法,忽然发现了老外写的一段小文章 http://www.linuxidc.com/Linux/2011-04/34100p2.h ...

python在windows与linux下读取doc文件

python在windows与linux下读取doc文件

python在windows与linux下读取doc文件相关推荐

最新文章

热门文章