如何使用Python阅读Microsoft Word？

阅读更多：Python 教程

简介…

我不喜欢Microsoft Word和电子表格，没有冒犯之意。作为一名数据工程专家，我经常从测试人员那里收到使用Microsoft Word编写的测试结果。哎！他们把如此多的信息放进Word文档里，从截图、链接到大段、非常大段的文本。Microsoft Word非常擅长将本应简单的文本文档或小型信息转换成大而缓慢、难以打开的野兽，而且常常在不同的机器上丢失格式。

不过，我不得不承认，我所讨厌的，对他人来说可能是很好的，反之亦然。

回到题目，Python对Word的支持并不太好。Python-docx库可以让用户创建文件并读取基本的文件信息，如文件大小和标题，但无法读取实际内容。因此，为了处理测试结果，我必须编写自定义代码。

我会导入从网上获得的一个Word文档样本。该文件位于以下位置 – https://file-examples-com.github.io/uploads/2017/02/file-sample_100kB.docx 。

怎么做…

1. 让我们开始引入库。

from zipfile import ZipFile
from urllib.request import urlopen
from io import BytesIO

2.现在我们将远程Word文档读取为二进制文件对象。然后使用zipfile库将其解压缩，然后读取未压缩的文件，即XML文件。

当然，我们将打印出内容。

file_url = 'https://file-examples-com.github.io/uploads/2017/02/file-sample_100kB.docx'

# read the word document
wordDocx = urlopen(file_url).read()
wordDocx = BytesIO(wordDocx)
document = ZipFile(wordDocx)

#get the xml content
xml_content = document.read('word/document.xml')

# print the xml content
print(xml_content.decode('utf-8'))