python docx文档转html页面

Posted 2021-01-20 程序猿tx

文章链接：https://mp.weixin.qq.com/s/uMb2ziRS1NJ1GXIjofeANg

说到word文档转html的，网上一搜一大把，各种在线word转html页面，使用起来也方便。但是在实际项目中要使用的话，需要自己开发，这里就提供一个简单的方法。
后缀 .doc 和 .docx 都是word文档，doc是word2003以及之前版本保存的文档，docx是word2007、word2010等保存的新型文档，本质都是属于文字排版的文件。注意 这里提供的方法暂时是针对docx的。

这里使用pydocx的库，安装pip3 install pydocx，可以直接对docx文件进行处理，简单粗暴，PyDocX.to_html("**.docx")，返回值就是转换后的html的源码，然后再通过写文件，写到html文件里面。

from pydocx import PyDocX
html = PyDocX.to_html("test.docx")
f = open("test.html", ‘w‘, encoding="utf-8")
f.write(html)
f.close()

这里对文件的处理都是当前文件夹下面的，得到的html文件可以直接打开查看，通过对html查看，可以发现文字转换成了P标签，图片使用base64 的方式显示的。

这里是对本地的文件进行处理，进一步部署到服务器上，我使用的是Django的项目，前端页面通过form 表单进行上传docx 文件。

<form method="post" enctype="multipart/form-data">
<input type="file" name="file" accept="application/vnd.openxmlformats-officedocument.wordprocessingml.document">
</form>

<input> type属性定为file，accept="application/vnd.openxmlformats-officedocument.wordprocessingml.document" 筛选docx 的文件。

使用地址：https://www.manjiexiang.cn/blog/wordtohtml

这里上传的文件是docx格式的word文档，针对doc 的文档，可以手动改成docx后缀名，进行上传使用。 尝试用代码转换成docx，window平台下有相应的库，ubantu 暂时无果，欢迎码友提供解决方法。
介绍下window平台下的代码转换方法，pip3 install pypiwin32安装这个库，里面有win32com，将doc文档转成docx 的。

from win32com import client
word = client.Dispatch("Word.Application")
doc = word.Documents.Open("D:\***\**.doc") //绝对路径 doc文件
doc.SaveAs("D:\***\**.docx",16) //保存的docx 文件，绝对路径
doc.Close()
word.Quit()

欢迎关注我的个人博客：https://www.manjiexiang.cn/

更多精彩欢迎关注微信号：春风十里不如认识你
一起学习，一起进步，欢迎上车，有问题随时联系，一起解决！！！