Python 使用Python读取.doc文件

在本文中，我们将介绍如何使用Python读取.doc文件。.doc是微软Word文档的扩展名，通常包含文本、图像和表格等多种格式的内容。Python提供了多个库和模块，使得读取.doc文件变得非常简单和方便。

使用python-docx库读取.doc文件

python-docx是一个功能强大的库，可以用于读取、修改和创建Word文档。下面是使用python-docx库读取.doc文件的示例代码：

from docx import Document

# 打开.doc文件
doc = Document("demo.doc")

# 遍历文档的段落
for para in doc.paragraphs:
    print(para.text)

# 遍历文档的表格
for table in doc.tables:
    for row in table.rows:
        for cell in row.cells:
            print(cell.text)

在上面的示例代码中，我们首先通过Document()函数打开.doc文件，并将其存储在变量doc中。然后，我们使用paragraphs属性遍历文档中的所有段落，并打印每个段落的文本内容。接下来，我们使用tables属性遍历文档中的所有表格，并打印每个单元格的文本内容。

使用pywin32库读取.doc文件

pywin32是Python的一个扩展模块，它提供了与Windows操作系统的API交互的功能。我们可以使用pywin32库来读取.doc文件。下面是使用pywin32库读取.doc文件的示例代码：

import win32com.client as win32

# 创建Word应用程序对象
app = win32.Dispatch("Word.Application")

# 打开.doc文件
doc = app.Documents.Open("demo.doc")

# 获取文档内容
content = doc.Content.Text
print(content)

# 关闭应用程序对象
app.Quit()

在上面的示例代码中，我们首先使用Dispatch()函数创建一个Word应用程序对象，并将其存储在变量app中。然后，通过Open()方法打开.doc文件，并将文档对象存储在变量doc中。我们可以使用Content属性获取整个文档的内容，并使用Text属性将其转换为文本格式。最后，我们使用Quit()方法关闭应用程序对象。

使用其他库和工具读取.doc文件

除了上述提到的python-docx库和pywin32库之外，还有其他一些库和工具可以用于读取.doc文件。例如，unoconv是一个开源命令行工具，可以将.doc文件转换为其他格式，如纯文本或PDF。我们可以使用subprocess模块在Python中调用unoconv命令行工具。下面是使用subprocess模块和unoconv工具读取.doc文件的示例代码：

import subprocess

# 调用unoconv命令行工具，将.doc文件转换为纯文本
subprocess.call(["unoconv", "-f", "txt", "demo.doc"])

# 读取转换后的纯文本文件
with open("demo.txt", "r") as file:
    content = file.read()
    print(content)

在上面的示例代码中，我们使用subprocess.call()函数调用unoconv命令行工具，并使用参数-f txt指定转换为纯文本格式。然后，我们使用open()函数打开转换后的纯文本文件，并使用read()方法读取文件内容。