单位收集了很多word格式的调查表，领导需要收集表单里的信息，我就把所有调查表放一个文件里，写了个python小程序把所需的信息打印出来

#coding:utf-8

import os

import win32com

from win32com.client import Dispatch, constants

from docx import Document

def parse_doc(f):

"""读取doc，返回姓名和行业

"""

doc = w.Documents.Open( FileName = f )

t = doc.Tables[0] # 根据文件中的图表选择信息

name = t.Rows[0].Cells[1].Range.Text

situation = t.Rows[0].Cells[5].Range.Text

people = t.Rows[1].Cells[1].Range.Text

title = t.Rows[1].Cells[3].Range.Text

print name, situation, people,title

doc.Close()

def parse_docx(f):

"""读取docx，返回姓名和行业

"""

d = Document(f)

t = d.tables[0]

name = t.cell(0,1).text

situation = t.cell(0,8).text

people = t.cell(1,2).text

title = t.cell(1,8).text

print name, situation, people,title

if __name__ == "__main__":

w = win32com.client.Dispatch(‘Word.Application‘)

# 遍历文件

PATH = "H:\work\\aaa" # windows文件路径

doc_files = os.listdir(PATH)

for doc in doc_files:

if os.path.splitext(doc)[1] == ‘.docx‘:

try:

parse_docx(PATH+‘\\‘+doc)

except Exception as e:

print e

elif os.path.splitext(doc)[1] == ‘.doc‘:

try:

parse_doc(PATH+‘\\‘+doc)

except Exception as e:

print e

下载安装win32com

from win32com import client as wc

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

doc = word.Documents.Open(‘c:/test‘)

doc.SaveAs(‘c:/test.text‘, 2)

doc.Close()

word.Quit()

这种方式产生的text文档，不能用python用普通的r方式读取，为了让python可以用r方式读取，应当写成

doc.SaveAs(‘c:/test‘, 4)

注意：系统执行完成后，会自动产生文件后缀txt(虽然没有指明后缀)。

在xp系统下面，应当，

open(r‘c:\text‘,‘r‘)

wdFormatDocument = 0 wdFormatDocument97 = 0 wdFormatDocumentDefault = 16 wdFormatDOSText = 4 wdFormatDOSTextLineBreaks = 5 wdFormatEncodedText = 7 wdFormatFilteredHTML = 10 wdFormatFlatXML = 19 wdFormatFlatXMLMacroEnabled = 20 wdFormatFlatXMLTemplate = 21 wdFormatFlatXMLTemplateMacroEnabled = 22 wdFormatHTML = 8 wdFormatPDF = 17 wdFormatRTF = 6 wdFormatTemplate = 1 wdFormatTemplate97 = 1 wdFormatText = 2 wdFormatTextLineBreaks = 3 wdFormatUnicodeText = 7 wdFormatWebArchive = 9 wdFormatXML = 11 wdFormatXMLDocument = 12 wdFormatXMLDocumentMacroEnabled = 13 wdFormatXMLTemplate = 14 wdFormatXMLTemplateMacroEnabled = 15 wdFormatXPS = 18

照着字面意思应该能对应到相应的文件格式，如果你是office 2003可能支持不了这么多格式。word文件转html有两种格式可选wdFormatHTML、wdFormatFilteredHTML(对应数字 8、10)，区别是如果是wdFormatHTML格式的话，word文件里面的公式等ole对象将会存储成wmf格式，而选用 wdFormatFilteredHTML的话公式图片将存储为gif格式，而且目测可以看出用wdFormatFilteredHTML生成的HTML 明显比wdFormatHTML要干净许多。

当然你也可以用任意一种语言通过com来调用office API，比如PHP.

from win32com import client as wc

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

doc = word.Documents.Open(r‘c:/test1.doc‘)

doc.SaveAs(‘c:/test1.text‘, 4)

doc.Close()

import re

strings=open(r‘c:\test1.text‘,‘r‘).read()

result=re.findall(‘\(\s*[A-D]\s*\)|\(\xa1*[A-D]\xa1*\)|\(\s*[A-D]\s*\)|\(\xa1*[A-D]\xa1*\)‘,strings)

chan=re.sub(‘\(\s*[A-D]\s*\)|\(\xa1*[A-D]\xa1*\)|\(\s*[A-D]\s*\)|\(\xa1*[A-D]\xa1*\)‘,‘()‘,strings)

question=open(r‘c:\question‘,‘a+‘)

question.write(chan)

question.close()

answer=open(r‘c:\answeronly‘,‘a+‘)

for i,a in enumerate(result):

m=re.search(‘[A-D]‘,a)

answer.write(str(i+1)+‘ ‘+m.group()+‘\n‘)

answer.close()

chan=re.sub(r‘\xa3\xa8\s*[A-D]\s*\xa3\xa9‘,‘()‘,strings) #不要()，容易引起歧义。

原文：http://www.jb51.net/article/70819.htm