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
理解Python垃圾回收机制
Feb 12 Python
Python实现将文本生成二维码的方法示例
Jul 18 Python
python3利用smtplib通过qq邮箱发送邮件方法示例
Dec 03 Python
Flask解决跨域的问题示例代码
Feb 12 Python
基于python的socket实现单机五子棋到双人对战
Mar 24 Python
Python实现微信机器人的方法
Sep 06 Python
Django CSRF认证的几种解决方案
Mar 03 Python
Python面向对象程序设计之静态方法、类方法、属性方法原理与用法分析
Mar 23 Python
Python基于tkinter canvas实现图片裁剪功能
Nov 05 Python
Python列表元素删除和remove()方法详解
Jan 04 Python
Python列表删除重复元素与图像相似度判断及删除实例代码
May 07 Python
Python爬虫基础讲解之请求
May 13 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自定义函数实现JS的escape的方法示例
2016/07/07 PHP
javascript 弹出窗口中是否显示地址栏的实现代码
2011/04/14 Javascript
jquery加载页面的方法(页面加载完成就执行)
2011/06/21 Javascript
JavaScript中的6种运算符总结
2014/10/16 Javascript
三分钟带你玩转jQuery.noConflict()
2016/02/15 Javascript
js实现String.Fomat的实例代码
2016/09/02 Javascript
Angularjs实现搜索关键字高亮显示效果
2017/01/17 Javascript
Angularjs渲染的 using 指令的星级评分系统示例
2017/11/09 Javascript
JavaScript实现图片懒加载的方法分析
2018/07/05 Javascript
详解webpack 热更新优化
2018/09/13 Javascript
vue-自定义组件传值的实例讲解
2018/09/18 Javascript
微信小程序使用map组件实现获取定位城市天气或者指定城市天气数据功能
2019/01/22 Javascript
微信小程序常见页面跳转操作简单示例
2019/05/01 Javascript
使用Vue 实现滑动验证码功能
2019/06/27 Javascript
vue学习笔记之slot插槽基本用法实例分析
2020/02/01 Javascript
Element Collapse 折叠面板的使用方法
2020/07/26 Javascript
OpenLayers3加载常用控件使用方法详解
2020/09/25 Javascript
Django基础知识与基本应用入门教程
2018/07/20 Python
Django中自定义模型管理器(Manager)及方法
2019/09/23 Python
wxPython实现整点报时
2019/11/18 Python
python3用PyPDF2解析pdf文件,用正则匹配数据方式
2020/05/12 Python
python else语句在循环中的运用详解
2020/07/06 Python
Python如何将模块打包并发布
2020/08/30 Python
HTML5视频播放插件 video.js介绍
2018/09/29 HTML / CSS
美国女鞋品牌:naturalizer(娜然)
2016/08/01 全球购物
罗马尼亚在线杂货店:Pilulka.ro
2019/09/28 全球购物
物业公司采购员岗位职责
2013/12/31 职场文书
数学系个人求职信范文
2014/01/30 职场文书
领导干部考察材料
2014/02/08 职场文书
C++程序员求职信范文
2014/04/14 职场文书
会计求职信
2014/05/29 职场文书
班子查摆四风个人对照检查材料思想汇报
2014/10/04 职场文书
婚宴致辞
2015/07/28 职场文书
党员干部学习三严三实心得体会
2016/01/05 职场文书
送给小学生的暑假礼物!小学生必背99首古诗
2019/07/02 职场文书
Python matplotlib绘制条形统计图 处理多个实验多组观测值
2022/04/21 Python