python去除文档水印，删除页眉页脚

处理前效果

处理后

读取doc文档报错：raise ValueError(tmpl % (docx, document_part.content_type))

from docx import Document
path = r"D:\\demo\\2011年北京高考文数试题及答案2.doc"
doc = Document(path)

ValueError: file ‘D:\2011年北京高考文数试题及答案2.doc’ is not a Word file, content type is ‘application/vnd.openxmlformats-officedocument.themeManager+xml’**

首先确定了文档是存在且有内容，路径也没问题，
wps可以正常打开，但是doc是旧版本的格式读取

可用win32com.client包打开

import win32com.client as wc
word = wc.Dispatch("Word.Application")
doc = word.Documents.Open(file_path, Encoding='utf-8')

原本是想着先转换格式为docx再读取，太麻烦
直接上代码了

代码方式1

"""去除水印"""
import comtypes.client

word = comtypes.client.CreateObject('Word.Application')
doc = word.Documents.Open(path)

clean_text = []

# 删除页眉，页脚
for section in doc.Sections:
    for header in section.Headers:
        if header.Range.Text and len(header.Range.Text) > 2:
            clean_text += str(header.Range.Text).strip().split()
        header.Range.Delete()

    for footer in section.Footers:
        if footer.Range.Text and len(footer.Range.Text) > 2:
            clean_text += str(footer.Range.Text).strip().split()
        footer.Range.Delete()

## 替换文档内容
if clean_text:
    for target_text in set(clean_text):
    	## 不想替换页码
        if str(target_text).isdigit() or len(target_text) < 5:
            continue
        for content_range in doc.StoryRanges:
            content_range.Find.Execute(target_text, False, False, False, False, False, True, 1, False, '',
                                       2)
# doc.SaveAs()
doc.SaveAs('{}x'.format(path), 16)  # 16 表示保存为docx格式
doc.Close()
word.Quit()

代码方式2

    
from docx import Document

def clean_words(self, file_path, target_text):
     """ 清洗文档：替换页眉页脚内容         """
     doc = Document(file_path)

     # 获取所有节的页眉和页脚
     for section in doc.sections:
         # 获取页眉
         header = section.header
         if header is not None:
             # 获取页眉的段落
             for p in header.paragraphs:
                 # 替换页眉中的目标文字为空
                 p.text = p.text.replace(p.text, "")

         # 获取页脚
         footer = section.footer
         if footer is not None:
             # 获取页脚的段落
             for p in footer.paragraphs:
                 logger.info(p.text)
                 # 替换页脚中的目标文字为空
                 p.text = p.text.replace(p.text, "")

     # 替换文档内容的方式2：使用Document.paragraphs属性和Paragraph.text属性
     for i, p in enumerate(doc.paragraphs):
         for w in target_text:
             if w in p.text:
                 p.text = p.text.replace(w, "")

     doc.save(file_path)
     doc.close()```