doc文件转docx文件

发表于 | 分类于

doc文件转docx文件

众所周知，python的word文件解析包python-docx是无法直接解析doc文件的，但是在windows系统下有一个包pypiwin32，利用这个包可以将doc文件转换为docx文件，但是使用起来有两个局限：

  1. Linux系统中没有这个包；
  2. 这个包必须通过显示的文件保存操作来进行转换（没有办法仅通过文件二进制流操作）。

这两个包的安装：

1
2
pip install python-docx
pip install pypiwin32

所以可以使用这个包结合flask将转换程序作为一个服务部署在windows服务器上，后续可以方便的使用。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
# coding=utf-8
import json
import logging
import os
import pythoncom
import random
from flask import Flask, request
from win32com import client as wc

app = Flask(__name__)


def doc2docx_win(doc_content):
    """
    windows环境下可以调用此方法将doc文件转换为docx文件
    :return: docx_content
    """
    random_name = random.random()  # 使用一个随机的文件名称，避免多线程同时操作一个文件
    # 路径自行设定
    doc_path = rf'doc2docx/temp_{random_name}.doc'
    docx_path = rf'doc2docx/temp_{random_name}.docx'
    # if os.path.exists(doc_path):  # 如果在服务重启之前，意外终止导致temp文件未能删除，使用os.remove也是删不掉的
    #     os.remove(doc_path)
    # if os.path.exists(docx_path):
    #     os.remove(docx_path)

    pythoncom.CoInitialize()   # 多线程/多进程使用win32需要先执行这一步
    w = wc.Dispatch('Word.Application')

    # 先把二进制保存为文件
    with open(doc_path, 'wb') as fw:
        fw.write(doc_content)
    try:
        doc = w.Documents.Open(doc_path)  # 有些传进来的文件可能就是损坏的或者下载的不完整的
    except Exception:
        # 如果文件有问题，要把保存的这个文件删除，否则影响后续的操作
        os.remove(doc_path)
        return ''
    doc.SaveAs(docx_path, 16)  # 保存为docx文件

    doc.Close()  # 只有先关闭doc/docx文件才能删除
    w.Quit()  # 关闭为win32对象(有时候把word关了可能后续处理会出错，但是作为服务这个一定要关闭，代价是会变慢，但是不关闭服务调用几次之后就会异常)
    # pythoncom.CoUninitialize()  # 释放资源

    with open(docx_path, 'rb') as fr:
        docx_content = fr.read()
    os.remove(doc_path)
    os.remove(docx_path)
    return docx_content


@app.route('/doc2docx', methods=['POST'])
def reg():
    binary_content = request.get_data()
    for _ in range(3):
        try:
            docx_content = doc2docx_win(binary_content)
        except RuntimeError as _e:
            logging.info(_e)
        except Exception as _e:
            logging.exception(_e)
        else:
            return docx_content
    return ''


if __name__ == '__main__':
    app.run(host='0.0.0.0', port=5000)

将上面的代码保存为py文件，之后修改后缀名为pyw，直接双击点击即可后台启动该程序。