python 解析 word 的 doc 格式，有什么好办法?

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

This topic created in 3666 days ago, the information mentioned may be changed or developed.

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 replies • 2016-11-01 09:26:10 +08:00

vicalloy

Oct 21, 2016

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

Oct 21, 2016

@vicalloy 提取 word 中的表格

dinosjk

Oct 21, 2016

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？

dinosjk

Oct 21, 2016

之前转换了 2000 多个 doc 入 pdf 用的这种方式

xuboying

Oct 22, 2016 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

Nov 1, 2016 via iPhone

用 c#调用 office 接口操作 word 进行解析，应该很容易。