python之office_word相關操作

python無法處理.doc文件，所以先將.doc文件轉化爲.docx文件，再處理.docx

一、.doc轉化爲.docx、.pdf、.txt……

python無法處理.doc文件，但可以處理.docx文件，先將.doc轉爲.docx

from win32com import client as wc
 
#word = wc.Dispatch("Word.Application")
#啓動獨立的進程，推薦這種
word = wc.DispatchEx("Word.Application")
 
# 後臺運行,不顯示,不警告
w.Visible = False
w.DisplayAlerts = 0
 
doc = word.Documents.Open(r'D:\Projects\CA\script\CA0218748520031015-DNAv01.DOC')
doc.SaveAs(r'D:\Projects\CA\script\CA0218748520031015-DNAv01.docx', 12, False, '', True, '', False, False, False, False)  #12爲docx
doc.Close()
word.Quit()

若將參數“12”換成“2”，就可將.doc轉成.txt

根據參數設置可以將word文件轉換成任意格式文件

wdFormatDocument	0
wdFormatDocument97	0
wdFormatTemplate	1
wdFormatTemplate97	1
wdFormatText	2
wdFormatTextLineBreaks	3
wdFormatDOSText	4
wdFormatDOSTextLineBreaks	5
wdFormatRTF	6
wdFormatEncodedText	7
wdFormatUnicodeText	7
wdFormatHTML	8
wdFormatWebArchive	9
wdFormatFilteredHTML	10
wdFormatXML	11
wdFormatXMLDocument	12
wdFormatXMLDocumentMacroEnabled	13
wdFormatXMLTemplate	14
wdFormatXMLTemplateMacroEnabled	15
wdFormatDocumentDefault	16
wdFormatPDF	17
wdFormatXPS	18
wdFormatFlatXML	19
wdFormatFlatXMLMacroEnabled	20
wdFormatFlatXMLTemplate	21
wdFormatFlatXMLTemplateMacroEnabled	22

word文件轉html有兩種格式可選wdFormatHTML、wdFormatFilteredHTML（對應數字8、10），區別是如果是wdFormatHTML格式的話，word文件裏面的公式等ole對象將會存儲成wmf格式，而選用wdFormatFilteredHTML的話公式圖片將存儲爲gif格式，而且目測可以看出用wdFormatFilteredHTML生成的HTML明顯比wdFormatHTML要乾淨許多。

二、讀取.docx

  
#讀取.docx
import docx
 
#獲取文檔對象
file=docx.Document(r'D:\Projects\CA\script\CA0218748520031015-DNAv01.docx')
print("段落數:"+str(len(file.paragraphs)))
 
#輸出每一段的內容
for para in file.paragraphs:
    print(para.text)
 
#輸出段落編號及段落內容
for i in range(len(file.paragraphs)):
    print("第"+str(i)+"段的內容是："+file.paragraphs[i].text)