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
用Python编写一个简单的Lisp解释器的教程
Apr 03 Python
深入理解Python分布式爬虫原理
Nov 23 Python
python脚本当作Linux中的服务启动实现方法
Jun 28 Python
python内存动态分配过程详解
Jul 15 Python
浅谈Python3 numpy.ptp()最大值与最小值的差
Aug 24 Python
python自动发微信监控报警
Sep 06 Python
python GUI库图形界面开发之PyQt5切换按钮控件QPushButton详细使用方法与实例
Feb 28 Python
Python实现将元组中的元素作为参数传入函数的操作
Jun 05 Python
Python如何批量生成和调用变量
Nov 21 Python
python tqdm库的使用
Nov 30 Python
Python实战之疫苗研发情况可视化
May 18 Python
Python通用验证码识别OCR库ddddocr的安装使用教程
Jul 07 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 获取完整url地址
2008/12/20 PHP
PHP获取数组中重复最多的元素的实现方法
2014/11/11 PHP
php实现Mongodb自定义方式生成自增ID的方法
2015/03/23 PHP
php检测文本的编码
2015/07/26 PHP
PHP根据key删除数组中指定的元素
2019/02/28 PHP
基于jquery的cookie的用法
2011/01/10 Javascript
用javascript替换URL中的参数值示例代码
2014/01/27 Javascript
详解javascript实现瀑布流绝对式布局
2016/01/29 Javascript
jQuery绑定自定义事件的魔法升级版
2016/06/30 Javascript
JS控制静态页面传递参数并获取参数应用
2016/08/10 Javascript
Jquery 整理元素选取、常用方法一览表
2016/11/26 Javascript
详解前端路由实现与react-router使用姿势
2017/08/07 Javascript
React Native自定义控件底部抽屉菜单的示例
2018/02/08 Javascript
解决nodejs的npm命令无反应的问题
2018/05/17 NodeJs
vue.js轮播图组件使用方法详解
2018/07/03 Javascript
Vue框架TypeScript装饰器使用指南小结
2019/02/18 Javascript
vue+vuex+json-seiver实现数据展示+分页功能
2019/04/11 Javascript
[07:09]2014DOTA2国际邀请赛-Newbee再次发威成功晋级决赛
2014/07/19 DOTA
python将人民币转换大写的脚本代码
2013/02/10 Python
Python numpy生成矩阵、串联矩阵代码分享
2017/12/04 Python
详解通过API管理或定制开发ECS实例
2018/09/30 Python
PyQt QCombobox设置行高的方法
2019/06/20 Python
python 实现提取log文件中的关键句子,并进行统计分析
2019/12/24 Python
python实现全排列代码(回溯、深度优先搜索)
2020/02/26 Python
Python描述符descriptor使用原理解析
2020/03/21 Python
详解Python中namedtuple的使用
2020/04/27 Python
matplotlib绘制多子图共享鼠标光标的方法示例
2021/01/08 Python
伦敦哈德森鞋:Hudson Shoes
2018/02/06 全球购物
HR喜欢的自荐信格式
2013/10/08 职场文书
财会自我鉴定范文
2013/12/27 职场文书
大学生关于奋斗的演讲稿
2014/01/09 职场文书
自动一体化专业求职信
2014/03/15 职场文书
出国留学经济担保书
2014/04/01 职场文书
商务专员岗位职责范本
2014/06/29 职场文书
中学生运动会通讯稿大全
2014/09/18 职场文书
Python 数据可视化之Bokeh详解
2021/11/02 Python