主要兩塊，第一個是文件類型的轉換，第二個是用docx包去對word文檔中的table進行parse

1. 文件格式裝換

因為很多各種各樣的原因，至今還有一些word文檔是doc的格式存的，對于這種，如果我們想用python對這個word文檔中的內容進行解析的話，理論上必須要處理成docx先。

如果你剛好是個mac的用戶，那你可以不用弄了，因為如果你用python+osx的系統，這個就是個無解的事情，可以考慮下用java之類的方式處理。但是幸運的是我找了一臺機器是win系統的，然后我就處理了，代碼如下：

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

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

doc= word.Documents.Open(path) #目標路徑下的文件

doc.SaveAs(os.path.splitext(path)[0] + ".docx", 16) #轉化后路徑下的文件

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_listif __name__ == "__main__":

dir_path= "E:\yschen3\pyprogram\線下二維碼活動"ext= ".doc"file_list=find_file(dir_path, ext)for file infile_list:

doc_to_docx(file)print(file)

大概就是這樣，用了個win32com這個包，非常容易，接下來，我們就可以用python-docx來處理了

2. 表格的處理

這里python有個包教python-dox，就是專門做這個事情的，他可以對段落，表格進行解析和處理。大概說下邏輯

1. 會讀出所有的表格

2. 然后對表格里面的行，一行一行的讀

3. 真對一行，就是一個格子一個格子的讀

這里對于合并處理的單元格，默認的邏輯是，分成兩個，寫出相同的內容，保持表格維度的一致性，當然這里可以看你的需求，你可以在讀取的過程中，做一次簡單的去重過濾。

這里代碼在這里：

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

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

doc= word.Documents.Open(path) #目標路徑下的文件

doc.SaveAs(os.path.splitext(path)[0] + ".docx", 16) #轉化后路徑下的文件

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_listif __name__ == "__main__":

dir_path= "E:\yschen3\pyprogram\線下二維碼活動"ext= ".doc"file_list=find_file(dir_path, ext)for file infile_list:

doc_to_docx(file)print(file)

總結

以上是生活随笔為你收集整理的python解析word_word文档的python解析的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。