python读取word

这个功能的目的在于将word文档的内容读出来后，用jieba分词库，找出基于TF/IDF权重最大的关键词。

难点在于一些解码问题和对word文档打开过程中一些异常的捕捉，目前为止还有一些异常捕捉不到，想到一个比较暴力的想法就是，每次打开word时，监听时间，超过规定时间则把这个word删除或者别的处理。但是还没有实现。

下面，上读取代码

def new_open_word(file_path):
    msword = Dispatch('Word.Application')
    msword.Visible = 0
    msword.DisplayAlerts = 0
    try:
        doc = msword.Documents.Open(FileName=file_path )
        doc.SaveAs('C:/TEST/3.txt',4);
        doc.Close()
    except:
        return "  "

    content = open('C:/TEST/3.txt').read()

    content = content.replace(" ","").replace("\n","")
    try:
        content = unicode(content, 'gbk')
    except UnicodeDecodeError:
        return "  "
    else:
        content = re.findall(ur"[\u4e00-\u9fa5]+",content)
        return ''.join(content)