python文本检索_如何使用Python从.doc文件中检索纯文本？

我找到了解决这个问题的方法。在

我成功地将.doc文件转换为.txt文件，所有特殊字符和编码都转换为.txt格式。代码如下所示。我想您可以(如果需要的话)读取新创建的文本文件，然后将其存储在python程序的变量中。从那里你可以做任何你想做的事情。在import win32com.client

import os

import re

rootdir ='C:\Users\IdaLim\Desktop\docs'

try:

app = win32com.client.Dispatch('Word.Application')

app.Visible = True

for subdir, dirs, files in os.walk(rootdir):

for file in files:

fullpath = os.path.join(*[subdir, file])

if file.endswith(".doc"):

out_name = file.replace("doc", r"txt")

in_file = os.path.abspath(rootdir + "\\" + file)

out_file = os.path.abspath(rootdir + "\\" + out_name)

doc = app.Documents.Open(in_file)

content = doc.Content.Text

print 'Exporting', out_file

doc.SaveAs(out_file, FileFormat=7)

doc.Close()

except Exception, e:

print e

finally:

app.Quit()