解决python大批量读写.doc文件的问题


Posted in Python onMay 08, 2018

前言:

java语言读写.doc的出现乱码问题:

大家都知道当我们利用java语言读写.doc文件时,无论是利用流的方式将.doc文件的内容输出到控制台(console),还是将其写到其他文件中,无论你采取何种编码格式(utf-8,gbk等)输出,你看到的内容99%都是乱码。

java语言读写.doc的出现乱码问题原因分析:

.doc文件是微软开发的用于办公的编辑文字的软件之一,如果说一篇word文档的字体格式采用的是utf-8,那么你采用utf-8格式读写该文档,应该能够正确输出汉字,但是一旦你的word文档里面的字体的尺寸改变,字体加上颜色属性,字体加上某种style时,那么本篇word文档的格式就变了,而不再是utf-8,因此采用utf-8格式输出99%都是乱码。

利用java语言读写.doc文档避免乱码的解决方案:(sun公司pk微软公司)

可以利用sun公司开发的poi包,该包提供修改微软办公软件的接口,利用poi包读写.doc文件,通常就不会产生乱码。如果看到这里你就大概认为,我终于可以利用java去处理.doc文件了,那么我想说的是,你开心的太早了。据我所知,截止到2017年12月22日,poi包的最新版本是3.1.7版,你也许对该版本没有什么概念,3.1.7版本的poi包只能处理微软2007版本的word,excel,ppt等,也就是说poi3.1.7版本的jar包不支持处理咱们电脑上顶配的word2016,因此可以说你可以放弃使用java读写word2016了。但是你也可以尝试用其他的接口去处理word,但是效率都不会比poi接口高,幸运的是,官网显示poi最新版本将在2017年12月份推出,但是截止到2017年12月22日,我还没有在官网看到此jar包。

正文:

python在处理文档的语言处理方面比java更胜一筹,毕竟python结合正则表达式在自然语言处理方面还是很强势的。最近在做深度学习的项目,需要解析并处理几百个数量级的.doc文件。众所周知,python读写.txt文档可以说一路畅通无阻,不管你中文是什么格式;python在读写.docx文档时,也比较畅通,最多你需要在命令行安装python-docx (0.8.6),就可以读写.docx文档了,具体读写方案,下述。

问题:python无法读取.doc文件(而不是.docx文件)

解决方案:利用python将大批.doc文件转化为.docx文件,再读写.docx文件

问题分析:python利用python-docx (0.8.6)库可以读取.docx文件或.txt文件,且一路畅通无阻,而对.doc文件本身python是无能为力的,那有很多同学就不服气,我手动把.doc文件的后缀名改为.docx或.txt不就解决问题了吗?答案是不能的,简单修改后缀名,那么文件就被你玩坏了,别说打不开,就是打开也是天书啊(乱码)。python无法操作.doc文件是他的先天不足,但是我们不要钻牛角尖一定要在互联网上找到一种源码直接读取.doc文件,一调用就好了,但是不幸的是,你可能在网上也找不到解决方案。正当我一筹莫展之时,我将.doc文档利用手动的方式“另存为”.docx文档,就能够成功打开转化后的.docx文档,于是我就尝试利用代码方式完成这个手动的“另存为”功能,问题得以解决。

直接上python代码(首先你需要先安装pypewin32库):

# -*- coding: utf-8 -*-:
import sys
import pickle
import re
import codecs
import string
import shutil
from win32com import client as wc
def doSaveAas(): # 想批处理文件,你就用for循环呗,我一次性处理了100多个文件,代码执行不超过2分钟,可以解决问题,目标文件路径可以自由改动,大家注意SaveAs方法中的参数,好多啊,别写错了
word = wc.Dispatch('Word.Application')
doc = word.Documents.Open(u'C:\\Users\\X\\PycharmProjects\\1\\大家好.doc')  # 目标路径下的文件
doc.SaveAs(u'C:\\Users\\X\\PycharmProjects\\1\\我是一枚小小的程序员X007.docx', 12, False, "", True, "", False, False, False, False) # 转化后路径下的文件 
doc.Close()
word.Quit()

转化为.docx文件后,在处理.docx文件,一路畅通无阻,网上很多解决方案,这里我就不详细说了,有问题,可以给我留言哟

以上这篇解决python大批量读写.doc文件的问题就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持三水点靠木。

Python 相关文章推荐
python subprocess 杀掉全部派生的子进程方法
Jan 16 Python
python Selenium实现付费音乐批量下载的实现方法
Jan 24 Python
python读写配置文件操作示例
Jul 03 Python
python openpyxl使用方法详解
Jul 18 Python
Django缓存系统实现过程解析
Aug 02 Python
python requests更换代理适用于IP频率限制的方法
Aug 21 Python
Keras在训练期间可视化训练误差和测试误差实例
Jun 16 Python
Python爬虫headers处理及网络超时问题解决方案
Jun 19 Python
导致python中import错误的原因是什么
Jul 01 Python
最新PyCharm 2020.2.3永久激活码(亲测有效)
Nov 26 Python
详解Python类和对象内容
Jun 22 Python
python区块链实现简版工作量证明
May 25 Python
python在每个字符后添加空格的实例
May 07 #Python
Pycharm在创建py文件时,自动添加文件头注释的实例
May 07 #Python
python 读取DICOM头文件的实例
May 07 #Python
解决Python requests库编码 socks5代理的问题
May 07 #Python
基于python requests库中的代理实例讲解
May 07 #Python
Python操作Oracle数据库的简单方法和封装类实例
May 07 #Python
Pandas实现数据类型转换的一些小技巧汇总
May 07 #Python
You might like
php 防止单引号,双引号在接受页面转义
2008/07/10 PHP
PHP中对各种加密算法、Hash算法的速度测试对比代码
2014/07/08 PHP
PHP微信开发之查询城市天气
2016/06/23 PHP
PHP验证码类ValidateCode解析
2017/01/07 PHP
Windows平台PHP+IECapt实现网页批量截图并创建缩略图功能详解
2019/08/02 PHP
PHP 文件上传限制问题
2019/09/01 PHP
Laravel获取当前请求的控制器和方法以及中间件的例子
2019/10/11 PHP
js 提交和设置表单的值
2008/12/19 Javascript
js用Date对象处理时间实现思路及代码
2013/01/31 Javascript
IE与FF下javascript获取网页及窗口大小的区别详解
2014/01/14 Javascript
JavaScript实现简单的数字倒计时
2015/05/15 Javascript
详解如何实现一个简单的 vuex
2018/02/10 Javascript
看看“疫苗查询”小程序有温度的代码
2018/07/31 Javascript
vuejs简单验证码功能完整示例
2019/01/08 Javascript
详解webpack引入第三方库的方式以及注意事项
2019/01/15 Javascript
微信小程序实现分享商品海报功能
2019/09/30 Javascript
node中短信api实现验证码登录的示例代码
2021/01/20 Javascript
linux平台使用Python制作BT种子并获取BT种子信息的方法
2017/01/20 Python
Python-jenkins模块之folder相关操作介绍
2020/05/12 Python
python实现canny边缘检测
2020/09/14 Python
DKNY品牌官网:纽约大都会时尚风格
2016/10/20 全球购物
英国轻奢珠宝品牌:Astley Clarke
2016/12/18 全球购物
一道Delphi上机题
2012/06/04 面试题
高中生学习生活的自我评价
2013/11/27 职场文书
工程专业求职自荐书范文
2014/02/08 职场文书
《草虫的村落》教学反思
2014/02/16 职场文书
大学生两会学习心得体会
2014/03/10 职场文书
幼儿园大班开学教师寄语
2014/04/03 职场文书
我的大学生活演讲稿
2014/04/25 职场文书
三月法制宣传月活动总结
2014/07/03 职场文书
妈妈活动方案
2014/08/15 职场文书
校园文化艺术节开幕词
2016/03/04 职场文书
吃通javascript正则表达式
2021/04/21 Javascript
mysql联合索引的使用规则
2021/06/23 MySQL
详解pytorch创建tensor函数
2022/03/22 Python
Mysql 一主多从的部署
2022/05/20 MySQL