Python/Django读取doc文档及在IIS8.5上部署所经历的波折及解决过程

Tips（碰到的主要问题）:

doc转docx
“无效的类的字符串”
DCOM组件拒绝访问
NoneType has no attribute SaveAs

简要的业务过程：把Word文档（.doc，不是.docx）上传至服务器（用IIS+Django+wfastcgi部署），并读取文档中的内容与图片信息。
即这个过程中需要把doc文档另存为docx的格式，然后再去读取这个docx的文档（没有找到能直接读取doc文档的方法）。第二步其实做的其实比较顺利，因为docx已是一个开放的标准，通过python-docx库即可实现，需要的只是花时间熟悉下它的API。
所以这边重点说下doc文档另存为docx的爬坑过程（不能直接改文件扩展名的，不能用的，不然早。。。）：
1、使用win32com的方式
参考：https://www.cnblogs.com/Jacklovely/p/5743868.html
这种方式就是通过Com组件去加载Word.Application：

from win32com import client as wc #引入组件pythoncom.CoInitialize()
word = wc.Dispatch('Word.Application')
#word = wc.Dispatch('kwps.Application') #金山WPS的程序服务名称
doc = word.Documents.Open(filepath)  # 要被转换的doc文件，（完整的目标路径）
doc.SaveAs(filepath+'x', 12)  # 转化后路径下的文件,12表示docx类型
doc.Close()
word.Quit()

爬坑过程：

本地的开发模式一切正常，但部署到服务器IIS8.5上问题就来了，报“无效的类的字符串”。原因：没有安装Office/Word。。。
开始想着office太大了而且又是收费（服务器上装个盗版的总感觉哪不对），况且只是想要个“另存为”而已，所以就装个免费的WPS，然后把代码中的服务名换成了’kwps.Application’，但还是一样的错（跟Word一样，本地开发模式都正常）。
没办法，那就下个试用版的Office测下。装上之后运行，是没这个错了，但报“拒绝访问”，在系统日志中找到“XXX授予针对 CLSID 为 {000209FF-0000-0000-C000-000000000046},不可用的 COM 服务器应用程序的本地激活权限。此安全权限可以使用组件服务管理工具进行修改。”，即用户权限问题。又查一堆资料，主要是修改组件服务–>“DCOM配置”下的WORD权限。参考资料：http://blog.163.com/xiangyue119@126/blog/static/1651455322009242214739/
上述配置完后，又报”NoneType has no attribute SaveAs“的错。即Word.Application貌似是找到了，但没有被正确的创建。所以上面的那段代码不能用了。继续再找资料，最后终于解决了：

2、使用LibreOffice程序的soffice.exe命令
PS：到LibreOffice官网下载，也是OpenOffice，文件也不大，就是界面不好用。
参考：https://www.cnblogs.com/vamei/archive/2012/09/23/2698014.html
好在开源有太多的好东西，安装（建议路径不要有空格和中文，以避免意外），然后在Python/Django程序中用如下方法调用：

import subprocess#执行LibreOffice下的soffice命令
#shell=True这个参数一定要有，即调用系统的cmd执行，否则会卡在这不成功
#其他就是指定原文件、目标目录、要转换成的格式
subprocess.call(['C:/LibreOffice5/program/soffice.exe', '--headless', '--convert-to', 'docx', phyFilepath,'--outdir', os.path.split(phyFilepath)[0]], shell=True)

终于解决了，可以把Office/WPS卸载了。
后面有看到一个pandoc的库，但没看到doc to docx的demo，没去试，所以不确定能不能用。

PS：
读取docx文档的信息与图片等，可参考：
https://www.cnblogs.com/zhanghongfeng/p/7043412.html

Python/Django读取doc文档及在IIS8.5上部署所经历的波折及解决过程相关推荐

python批量提取word指定内容_使用python批量读取word文档并整理关键信息到excel表格的实例...
目标最近实验室里成立了一个计算机兴趣小组倡议大家多把自己解决问题的经验记录并分享就像在CSDN写博客一样虽然刚刚起步但考虑到后面此类经验记录的资料会越来越多所以一开始就要做好模板设计(如下 ...
python 爬取doc文档
doc_href='https://resource.lzbank.com:18106/cportalFileServer/files//site/doc/pc/20201/12021/goods/2 ...
python批量提取word指定内容到excel_（转）用python批量读取word文档并整理关键信息到excel表格...
目标最近实验室里成立了一个计算机兴趣小组倡议大家多把自己解决问题的经验记录并分享就像在CSDN写博客一样虽然刚刚起步但考虑到后面此类经验记录的资料会越来越多所以一开始就要做好模板设计(如下 ...
php如何读取doc文档,php创建读取 word.doc文档
创建文档; $html = "this is question"; for($i=1;$i<=3;$i++){ $word = new word(); $word->s ...
java读取doc文档
为什么80%的码农都做不了架构师?>>> 本文永久地址:https://my.oschina.net/bysu/blog/1528130 相关jar下载地址: http://m ...
python可以读取excel文档吗_python打开excel文件【python读取excel文件如何进行】
Python语言打开Excel文件? 一.安装xlrd模到python官网下http://pypi.python.org/pypi/xlrd模块安装,前已经安装python 环境. 二.使用介 1. ...
poi读取doc文档
导包:https://blog.csdn.net/u012488504/article/details/52996611 读取表格及字段及段落数:https://blog.csdn.net/qq578 ...
python将文档转换成pdf_Python实现将DOC文档转换为PDF的方法
本文实例讲述了Python实现将DOC文档转换为PDF的方法.分享给大家供大家参考.具体实现方法如下: import sys, os from win32com.client import Dispa ...
c语言读取word文件内容,c 读取word c 读取word文档
c++如何读取word 基本步骤(1)创建)一个 MFC 的程序工程. 注意:在VC中对WORD进行操作需要在MFC AppWizard - Step 2 of4中的Automaiton选项上打上勾. ...

Python/Django读取doc文档及在IIS8.5上部署所经历的波折及解决过程

Python/Django读取doc文档及在IIS8.5上部署所经历的波折及解决过程相关推荐

最新文章

热门文章