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