本文通过使用 Python 中的 with 来读写 word 文档,遇到文本的编码与解码问题,试了下面很多种方法,依旧没有不能将 word 文件的内容打印出来
最终通过文件格式转化来实现的,请见最后代码描述
演示文件为docx文档,内容如下:
Word文件内容.png
源码
with open('C:/Users/zhangXXX/Desktop/test.docx') as f:
line = f.read()
print(line)
运行源码查看报错信息
UnicodeDecodeError: 'gbk' codec can't decode byte 0xab in position 15: illegal multibyte sequence
上述错误是一种很常见的解码错误,下面介绍该错误的解决方法
1)打开文件时设置编码格式,如 encoding=’gbk’ 或者'utf-8'
with open('C:/Users/zhangXXX/Desktop/test.docx', encoding=’gbk’) as f:
2)若(1)不能解决,可能是文本中出现的一些特殊符号超出了gbk的编码范围,可以选择编码范围更广的‘gb18030’
with open('C:/Users/zhangXXX/Desktop/test.docx', encoding='gb18030') as f:
3)若(2)仍不能解决,说明文中出现了连‘gb18030’也无法编码