python读取word文档的方法_Python

本文实例讲述了python读取word文档的方法。分享给大家供大家参考。具体如下：

首先下载安装win32com

									from win32com import client as wc

									word = wc.Dispatch('Word.Application')

									doc = word.Documents.Open('c:/test')

									doc.SaveAs('c:/test.text', 2)

									doc.Close()

									word.Quit()

这种方式产生的text文档，不能用python用普通的r方式读取，为了让python可以用r方式读取，应当写成

1	`doc.SaveAs('c:/test',` `4)`

注意：系统执行完成后，会自动产生文件后缀txt（虽然没有指明后缀）。
在xp系统下面，应当，

									open(r'c:\text','r')

									wdFormatDocument = 0

									wdFormatDocument97 = 0

									wdFormatDocumentDefault = 16

									wdFormatDOSText = 4

									wdFormatDOSTextLineBreaks = 5

									wdFormatEncodedText = 7

									wdFormatFilteredHTML = 10

									wdFormatFlatXML = 19

									wdFormatFlatXMLMacroEnabled = 20

									wdFormatFlatXMLTemplate = 21

									wdFormatFlatXMLTemplateMacroEnabled = 22

									wdFormatHTML = 8

									wdFormatPDF = 17

									wdFormatRTF = 6

									wdFormatTemplate = 1

									wdFormatTemplate97 = 1

									wdFormatText = 2

									wdFormatTextLineBreaks = 3

									wdFormatUnicodeText = 7

									wdFormatWebArchive = 9

									wdFormatXML = 11

									wdFormatXMLDocument = 12

									wdFormatXMLDocumentMacroEnabled = 13

									wdFormatXMLTemplate = 14

									wdFormatXMLTemplateMacroEnabled = 15

									wdFormatXPS = 18

照着字面意思应该能对应到相应的文件格式，如果你是office 2003可能支持不了这么多格式。word文件转html有两种格式可选wdFormatHTML、wdFormatFilteredHTML（对应数字 8、10），区别是如果是wdFormatHTML格式的话，word文件里面的公式等ole对象将会存储成wmf格式，而选用 wdFormatFilteredHTML的话公式图片将存储为gif格式，而且目测可以看出用wdFormatFilteredHTML生成的HTML 明显比wdFormatHTML要干净许多。

当然你也可以用任意一种语言通过com来调用office API，比如PHP.

									from win32com import client as wc

									word = wc.Dispatch('Word.Application')

									doc = word.Documents.Open(r'c:/test1.doc')

									doc.SaveAs('c:/test1.text', 4)

									doc.Close()

									import re

									strings=open(r'c:\test1.text','r').read()

									result=re.findall('\(\s*[A-D]\s*\)|\(\xa1*[A-D]\xa1*\)|\（\s*[A-D]\s*\）|\（\xa1*[A-D]\xa1*\）',strings)

									chan=re.sub('\(\s*[A-D]\s*\)|\(\xa1*[A-D]\xa1*\)|\（\s*[A-D]\s*\）|\（\xa1*[A-D]\xa1*\）','()',strings)

									question=open(r'c:\question','a+')

									question.write(chan)

									question.close()

									answer=open(r'c:\answeronly','a+')

									for i,a in enumerate(result):

									 m=re.search('[A-D]',a)

									 answer.write(str(i+1)+' '+m.group()+'\n')

									answer.close()

									chan=re.sub(r'\xa3\xa8\s*[A-D]\s*\xa3\xa9','()',strings)

									#不要()，容易引起歧义。

希望本文所述对大家的Python程序设计有所帮助。

python读取word文档的方法

相关文章

热门资讯