Python实现word批量转HTML-诺禾=诺禾致源

Posted 2020-12-22

昨天发了一篇关于python批量将word 03版本的.doc格式文档转成.docx的文章：word批量doc转docx格式-python。今天我们继续说一下使用python将word内容转换成html文件。下面一起来看一下。

Python实现word批量转HTML-附工具

python

准备工作

使用python类库PyDocX，安装方法（使用pip进行安装），命令如下：

pip install python-docx

类库介绍

python-docx是用于创建和更新Microsoft Word（.docx）文件的Python库。它可以针对word做很多操作。比如打开文件、写入内容、编写内容样式、解析内容、读取内容等等。主要就是针对word做的一款功能库。
说代码

下面一起来说一下代码。首先是做了一个声明的内容，主要是出现过代码工具被网络上的人给进行贩卖，特此说了注释。

1、通过os类库，获取当前目录下的所有文件信息

当前目录下的文件

file_path = os.getcwd()
print("当前位置：%s" % file_path)

2、通过函数进行获取数据，并对目录下文件进行判断，只获取.docx类型文档

data = []
for root, dirs, files in os.walk(files_path, topdown=False):
for name in files:
f_p = os.path.join(root, name).replace("", "/")
file_type = os.path.splitext(f_p)
if file_type[1] == ‘.docx‘:
if " " in file_type[0]:
os.rename(f_p, f_p.replace(" ", ""))
f_p = f_p.replace(" ", "")
data.append(f_p)
return data

这里呢，我们做了一个判断的操作，主要是防止文件名称上出现空格的问题，因为在测试过程中发现了空格的文档名称是否没有办法找到文件的。

3、判断数据情况

if not file_array:
print("此目录下无docx格式word文件")

开始转换

print("开始转换")
for v in file_array:
main(v)

如果当前目录下不含有符合的文档，那么程序直接就跳出了，不再向下执行了。

4、开始转换

这里我们使用的是在3中循环调用方法，下面看一下代码

html = PyDocX.to_html(v)
file_name = os.path.splitext(v)
f = open("%s.html" % file_name[0], ‘w‘, encoding="utf-8")
f.write(html)
f.close()

整体来看转换的方法很简单，在类库中已经帮我们做好的功能，只需要简单的调用就可以了。我采用的是保持原有word文件名称来生成html文件。这样方便进行查找。

其实这里也可以不用生成文件的，可以将获取的内容数据直接存入数据库中，在页面直接作出展示。
获取方式