python读doc文档-win32com

上一篇提到用python-docx读写.docx文章，但该模块并不能读取.doc文档,这里使用win32com模块，更高级，可以操作word，excel等office文档

一、安装

方法一：官网下载对应python版本的安装程序，网址为：https://sourceforge.net/projects/pywin32/files/pywin32/，下载完成后，双击安装即可

方法二：

pip install pywin32

二、填坑，使用报错：

AttributeError: module 'win32com' has no attribute 'client'

解决：改变导包方式 from win32com import client后可正常执行

三、读取doc/docx文档

from win32com.client import Dispatch
word = Dispatch('Word.Application')  # 打开word应用程序
# word = DispatchEx('Word.Application') # 启动独立的进程
word.Visible = 0  # 后台运行,不显示
word.DisplayAlerts = 0  # 不警告

path = r'D:\test\1.doc' # 'D:\test\1.docx'
doc = word.Documents.Open(FileName=path, Encoding='gbk')

for para in doc.paragraphs:
    print(para)

doc.Close()
word.Quit()

1.doc的文档内容如下：

输出结果如下：

四、将.doc转换成.docx文件

from win32com.client import Dispatch

word = Dispatch('Word.Application')  # 打开word应用程序
# word = DispatchEx('Word.Application') # 启动独立的进程
word.Visible = 0  # 后台运行,不显示
word.DisplayAlerts = 0  # 不警告

doc = word.Documents.Open(r'D:\test\1.doc')
doc.SaveAs(r"D:\test\2.docx", 12)  # 另存为后缀为".docx"的文件，其中参数12指doc文件
doc.Close()
word.Quit()