python中的doc_利用python将doc文件转换为docx

需求：最近在研究word文档的抽取，发现python中docx库只能提取以docx结尾的文件，因此需要将doc文件转换为docx。

基础知识了解

1.什么是doc?

汉语：文档(外语全称：Document)是电脑文件常见文件扩展名的一种，是微软Word2003以前版本的文本文档。

2.什么是docx?

docx是微软Word文件的扩展名，是微软Word2007之后版本使用的格式，其基于open XML的压缩格式。

3.doc和docx的区别？

doc和docx都是word的文件格式，doc格式是微软专用格式，并没有对外完全授权，而docx文件是doc文件的继承者。

从存储方式来讲，doc采用二进制的存储方式，而docx采用xml的方式，其实际上是一个打包的压缩文件；

从文件存储的大小来看，docx相对于doc可以节省很多的空间；

从响应速度来看，docx也要比doc更快；

实现代码：

import os

from win32com import client as wc

def save_doc_to_docx(rawpath): # doc转docx

'''

:param rawpath: 传入和传出文件夹的路径

:return: None

'''

word = wc.Dispatch("Word.Application")

# 不能用相对路径，老老实实用绝对路径

# 需要处理的文件所在文件夹目录

filenamelist = os.listdir(rawpath)

for i in os.listdir(rawpath):

# 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)

# try

# 打开文件

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.Close()

word.Quit()

if __name__ == '__main__':

path = 'C:\\Users\\Admin\\Desktop\\'

save_doc_to_docx(path)