python doc格式转文本格式

首先python是不能直接读写doc格式的文件的，这是python先天的缺陷。但是可以利用python-docx (0.8.6)库可以读取.docx文件或.txt文件，且一路畅通无阻。

这样的话，可以先将doc格式转化为docx格式，但是不能直接修改文件名的后缀（这样文件会被损坏，即使没被损坏可能也是乱码），那到底要怎么去转化呢？

 

直接上代码：

from win32com import client as wc

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

doc = word.Documents.Open(路径+名称.doc)

doc.SaveAs(路径+名称.docx, 12)   12为docx

doc.Close()

 word.Quit()

 

然后读取docx格式

读取段落：

 import docx

        docStr = Document(docName)   打开文档

        for paragraph in docStr.paragraphs:

                parStr = paragraph.text

 

读取表格：

numTables = docStr.tables

        for table in numTables:

                #行列个数

                row_count = len(table.rows)

                col_count = len(table.columns)

                for i in range(row_count):

                        row = table.rows[i].cells

                        i行j列内容：row[j].text

           或者：

                    row_count = len(table.rows)
                    col_count = len(table.columns)
                    for i in range(row_count):
                            for j in range(col_count):
                                    print(table.cell(i,j).text)