python处理docx zipfile_python如何处理解析word文档doc docx , python-docx，python-docx2txt，zipfile...

关于python如何处理word文档doc docx，可以关注 python-docx 和 python-docx2txt 两个项目，python-docx复杂一些，适合创建文档，python-docx2txt可以方便将文档转换成txt：

https://python-docx.readthedocs.org/en/latest/

https://github.com/python-openxml/python-docx

另外doc文件本身是个压缩文件，实际文档内容是xml结构的，可使用unzip解压：

# unzip test.docx

Archive:  test.docx

inflating: _rels/.rels

inflating: word/settings.xml

inflating: word/_rels/document.xml.rels

inflating: word/fontTable.xml

inflating: word/styles.xml

inflating: word/document.xml

inflating: docProps/app.xml

inflating: docProps/core.xml

inflating: [Content_Types].xml

# ls

[Content_Types].xml  docProps  _rels  test.docx  word

# ls

document.xml  fontTable.xml  _rels  settings.xml  styles.xml

# cat document.xml

Summary:02系统基本功能-01系统核心功能

不使用现成库可以使用zipfile直接解压：

import zipfile

document = zipfile.ZipFile('test.docx')

xml_content = document.read('word/document.xml')

reparsed = minidom.parseString(xml_content)

print reparsed.toprettyxml(indent="   " , encoding="utf-8")