python读取word文档

Posted 2020-10-10

周末需要做一个统计word文档字数的问题，刚开始以为很简单，因为之前做过excel表格相关的任务，所以认为利用扩展模块应该比较简单。

通过搜索，确实搜到了一个python操作word的模块，python-docx 

通过命令安装：pip install python-docx

使用代码示例：

#读取docx中的文本代码示例
import docx
#获取文档对象
file=docx.Document("D:\\\\temp\\\\word.docx")
print("段落数:"+str(len(file.paragraphs)))#段落数为13，每个回车隔离一段

#输出每一段的内容
for para in file.paragraphs:
　　print(para.text)

#输出段落编号及段落内容
for i in range(len(file.paragraphs)):
　　print("第"+str(i)+"段的内容是："+file.paragraphs[i].text)

拿过来自己试了一下，却报了以下的错误：

拿异常上百度搜了一下，大致的意思是python-docx这个模块貌似只支持docx文件，不支持doc。

好吧，尝试另一种方法，使用antiword(这里使用的linux环境)

先下载安装，地址：http://www.winfield.demon.nl/

使用tar解压之后，分别用make  和 make install命令进行安装

切换到安装的目录后，使用“./antiword” + doc文件名即可读取文件内容。