python解析word_word文档的python解析

主要两块，第一个是文件类型的转换，第二个是用docx包去对word文档中的table进行parse

1. 文件格式装换

因为很多各种各样的原因，至今还有一些word文档是doc的格式存的，对于这种，如果我们想用python对这个word文档中的内容进行解析的话，理论上必须要处理成docx先。

如果你刚好是个mac的用户，那你可以不用弄了，因为如果你用python+osx的系统，这个就是个无解的事情，可以考虑下用java之类的方式处理。但是幸运的是我找了一台机器是win系统的，然后我就处理了，代码如下：

importosfrom win32com importclientdefdoc_to_docx(path):if os.path.splitext(path)[1] == ".doc":

word= client.Dispatch('Word.Application')

doc= word.Documents.Open(path) #目标路径下的文件

doc.SaveAs(os.path.splitext(path)[0] + ".docx", 16) #转化后路径下的文件

doc.Close()

word.Quit()def find_file(path, ext, file_list=[]):

dir=os.listdir(path)for i indir:

i=os.path.join(path, i)ifos.path.isdir(i):

find_file(i, ext, file_list)else:if ext == os.path.splitext(i)[1]:

file_list.append(i)returnfile_lis