利用win32com和smb获取文件并转存

用smb 获取远程公共盘中word文件。并根据后缀doc/docx 分类保存到本地

因为python docx不能直接读doc后缀的文件，利用win32com将doc文件转换成docx文件，以便用python docx 直接读取解析。

最后将下载下来的中间文件删除

from smb.SMBConnection import SMBConnection ## 链接公共盘服务器
from win32com import client as wc #这个package 只能在windows使用
import os #用于获取目标文件所在路径
import json
import docx
from docx import Document


def save_doc_to_docx(rawpath):  # doc转docx
    '''
    :param rawpath: 传入和传出文件夹的路径
    :return: 这一轮copy and 转存结果生成几份docx文件
    '''
    docx_path=rawpath[:-1]+'x\\'
    word = wc.Dispatch("Word.Application")
    # 不能用相对路径
    # 需要处理的文件所在文件夹目录
    filenamelist = os.listdir(rawpath)
    for i in os.listdir(rawpath):
        i
        # 找出文件中以.doc结尾并且不以~$开头的文件（~$是为了排除临时文件的）
        if i.endswith('.doc') and (not i.startswith('~$')):
            print(i)
            # 打开文件
            ##有些文件可能打开有问题 
           
            try:
                doc = word.Documents.Open(rawpath + i)
                # # 将文件名与后缀分割
                # rename = os.path.splitext(i)
                # # 将文件另存为.docx
                # doc.SaveAs(path + rename[0] + '.docx', 12)  # 12表示docx格式
                
                doc.SaveAs("{}x".format(docx_path + i), 12)
                doc.Close()
            except:
                pass

    word.Quit()
    filenamelist_docx = os.listdir(docx_path)
    docx_lt=[]
    for file in filenamelist_docx:
        if file.endswith(".docx") and (not file.startswith('~$')):
            docx_lt.append(file)
    return docx_lt

def ConnectShare():
    ## 用smb 链接获取公共盘中文件并下载文件到本地
    host = config['host']
    username = config['username']
    password = config['password'] # 个人帐户密码，要有公盘权限，假如个人帐户密码改了，必须要改。
    conn = SMBConnection(username, password, "", 要链接的公盘的ip地址, is_direct_tcp = True)
    assert conn.connect(host, 445)
    f_names=[]
    f_names_doc= []
    f_names_docx= []
    for e in conn.listPath(需要链接的公盘最外层文件夹名eg:ASSP,需要链接的公盘路径（不要带上最外层的）eg:/WAPI/xxx一部/doc): ## 完整路径位ASSP/WAPI/xxx一部/doc
        # print(e.filename)
        # 需要获取word 文件 并且需要过滤临时文件，临时文件通常以~$开头
        if e.filename.endswith(".doc") and not e.filename.startswith('~$'):
            f_names_doc.append(e.filename) 
            f_names.append(e.filename)
        elif e.filename.endswith(".docx") and not e.filename.startswith('~$'):
            f_names_docx.append(e.filename) 
            f_names.append(e.filename)
    ## doc 和docx 结尾文件分开读，docx可以直接打开，doc需要进行转换
    ##将doc文件存到本地doc文件夹内    
    for file in f_names_doc:
        if file.endswith(".doc"):
            try:
                f = open(r'D:/user/doc/'+file,'wb')  ##本地地址 要修改
                conn.retrieveFile(需要链接的公盘最外层文件夹名,需要链接的公盘路径+file,f)   #它会把文件写在f里面 
                f.close()
            except:
                pass
    ##将docx文件存到本地docx文件夹内
    for file in f_names_docx:
        if file.endswith(".docx"):
            try:
                f = open(r'D:/user/docx/'+file,'wb')  ##本地地址 要修改
                conn.retrieveFile(需要链接的公盘最外层文件夹名,需要链接的公盘路径+file,f)   #它会把文件写在f里面 
                f.close()
            except:
                pass

    ## 将doc 转存为docx 并存在 docx文件夹内
    path='D:\\user\\doc' # 文件夹绝对路径 本地地址 
    files=[]
    for file in os.listdir(path):
        if file.endswith(".doc"): #排除文件夹内的其它干扰文件，只获取".doc"后缀的word文件
            files.append(path+'\\'+file) 
    rawpath=path+'\\'
    docx_lt=save_doc_to_docx(rawpath)
    num_docx=len(docx_lt)
    num_share=len(f_names)
    ## 共享盘上的文件数量和download的数量相等
    if num_docx==num_share:
        print('Success, all rd1 has been download!')
    ##  数量不相等 看哪些文件没有被download 下来   
    else:
        diff_lt=[]
        for file in f_names:
            file=file.replace("docx","doc")
            file=file.replace("doc","docx")
            if file not in docx_lt:
                diff_lt.append(file)
            else:
                pass
        if diff_lt!=[]:
            miss_files=','.join(diff_lt)
            print('The following files download failed:'+miss_files)
        else:
            pass
    return docx_lt

def del_file(path):
    ## 每次跑完都清空文件夹
    ls = os.listdir(path)
    for i in ls:
        c_path = os.path.join(path, i)
        if os.path.isdir(c_path):
            del_file(c_path)
        else:
            os.remove(c_path)