python 解析 word 的 doc 格式，有什么好办法?

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

推荐学习书目

› Learn Python the Hard Way

Python Sites

› PyPI - Python Package Index

› http://diveintopython.org/toc/index.html

› Pocoo

值得关注的项目

› PyPy

› Celery

› Jinja2

› Read the Docs

› gevent

› pyenv

› virtualenv

› Stackless Python

› Beautiful Soup

› 结巴中文分词

› Green Unicorn

› Sentry

› Shovel

› Pyflakes

› pytest

Python 编程

› pep8 Checker

Styles

› PEP 8

› Google Python Style Guide

› Code Style from The Hitchhiker's Guide

这是一个创建于 2947 天前的主题，其中的信息可能已经有所发展或是发生改变。

方案一： python 解析 docx 格式支持良好但对 doc 格式支持很差，故希望 doc 转为 docx 格式，有什么好办法？方案二：将 doc 转为 html 格式，然后解析 html ，测试后发现如果数据量大了支持也不好大家有什么好办法吗？

注：有近 1w 个*.doc 文档，每个文档 100Mz 左右

doc

格式

Python

解析

6 条回复 • 2016-11-01 09:26:10 +08:00

vicalloy

2016-10-21 14:44:24 +08:00

是需要提取 doc 里的内容？
https://github.com/dagwieers/unoconv 用这个可以将 doc 转成 html 或 docx 。

alfer

2016-10-21 15:51:58 +08:00

@vicalloy 提取 word 中的表格

contractswif

2016-10-21 22:39:22 +08:00

py 通过 office 之类的软件打开 doc ，转换成 docx ，然后自由发挥。这样呢？

contractswif

2016-10-21 22:40:00 +08:00

之前转换了 2000 多个 doc 入 pdf 用的这种方式

xuboying

2016-10-22 14:59:26 +08:00 via iPhone

这种特殊需求还不如现学 VBA 三下五除二，别信 Python 的唯有唯一正确解的梦话。 Perler 说过黑猫白猫，都是好猫

zungmou

2016-11-01 09:26:10 +08:00 via iPhone

用 c#调用 office 接口操作 word 进行解析，应该很容易。