docx

一，docx模块 Python可以利用python-docx模块处理word文档，处理方式是面向对象的。也就是说python-docx模块会把word文档，文档中的段落、文本、字体等都看做对象，对对象进行处理就是对word文档的内容处理。 二，相关概念 如果需要读取word文档中的文字（一般来说，程序也只需要认识word文档中的文字信息），需要先了解python-docx模块的几个概念。 1，Document对象，表示一个word文档。 2，Paragraph对象，表示word文档中的一个段落 3，Paragraph对象的text属性，表示段落中的文本内容。 三，模块的安装和导入 需要注意，python-docx模块安装需要在cmd命令行中输入pip install python-docx，如下图表示安装成功（最后那句英文Successfully installed，成功地安装完成） 注意在导入模块时，用的是import docx。 也真是奇了怪了，怎么安装和导入模块时，很多都不用一个名字，看来是很有必要出一个python版本的模块管理程序python-maven了，本段纯属PS。 四，读取word文本 在了解了上面的信息之后，就很简单了，下面先创建一个D:\temp\word.docx文件，并在其中输入如下内容。 #-*- conding:utf-8 -*- '''

doc文件转化为docx 目前找到doc文件转化为docx比较少，商业版 com.spire.doc 很好用，但是需要收费 查找资料，找到一种利用python脚本，将doc转化docx的实现方式，性能好像很差 Java代码 package com.pdf.pdfdemo; import java.io.BufferedReader; import java.io.InputStreamReader; public class Python { public static void main(String[] args) throws Exception { python2(); } public static void python1() throws Exception{ // define the command string String commandStr = new String( "python E:\\python\\TestMain.py "); //Create a Process instance and execute commands Process pr = Runtime.getRuntime().exec(commandStr); //Get the result produced by executing the above commands

有两种方式: 使用win32com 使用docx 1.使用win32com扩展包 只对windows平台有效 代码: # coding=utf-8 import win32com from win32com.client import Dispatch, DispatchEx word = Dispatch('Word.Application') # 打开word应用程序 # word = DispatchEx('Word.Application') #启动独立的进程 word.Visible = 0 # 后台运行,不显示 word.DisplayAlerts = 0 # 不警告 path = 'G:/WorkSpace/Python/tmp/test.docx' # word文件路径 doc = word.Documents.Open(FileName=path, Encoding='gbk') # content = doc.Range(doc.Content.Start, doc.Content.End) # content = doc.Range() print '----------------' print '段落数: ', doc.Paragraphs.count # 利用下标遍历段落 for i in range(len(doc.Paragraphs)): para