版权声明：转载请标明出处 https://blog.csdn.net/hanli1992/article/details/88885766
python无法处理.doc文件，所以先将.doc文件转化为.docx文件，再处理.docx
一、.doc转化为.docx
#python无法处理.doc文件，但可以处理.docx文件，先将.doc转为.docx
from win32com import client as wc
#word = wc.Dispatch("Word.Application")
#启动独立的进程，推荐这种
word = wc.DispatchEx("Word.Application")
# 后台运行,不显示,不警告
w.Visible = False
w.DisplayAlerts = 0
doc = word.Documents.Open(r'D:\Projects\CA\script\CA0218748520031015-DNAv01.DOC')
doc.SaveAs(r'D:\Projects\CA\script\CA0218748520031015-DNAv01.docx', 12, False, '', True, '', False, False, False, False) #12为docx
doc.Close()
word.Quit()
若将参数“12”换成“2”，就可将.doc转成.txt
根据参数设置可以将word文件转换成任意格式文件
| wdFormatDocument | 0 |
| wdFormatDocument97 | 0 |
| wdFormatTemplate | 1 |
| wdFormatTemplate97 | 1 |
| wdFormatText | 2 |
| wdFormatTextLineBreaks | 3 |
| wdFormatDOSText | 4 |
| wdFormatDOSTextLineBreaks | 5 |
| wdFormatRTF | 6 |
| wdFormatEncodedText | 7 |
| wdFormatUnicodeText | 7 |
| wdFormatHTML | 8 |
| wdFormatWebArchive | 9 |
| wdFormatFilteredHTML | 10 |
| wdFormatXML | 11 |
| wdFormatXMLDocument | 12 |
| wdFormatXMLDocumentMacroEnabled | 13 |
| wdFormatXMLTemplate | 14 |
| wdFormatXMLTemplateMacroEnabled | 15 |
| wdFormatDocumentDefault | 16 |
| wdFormatPDF | 17 |
| wdFormatXPS | 18 |
| wdFormatFlatXML | 19 |
| wdFormatFlatXMLMacroEnabled | 20 |
| wdFormatFlatXMLTemplate | 21 |
| wdFormatFlatXMLTemplateMacroEnabled | 22 |
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。
二、读取.docx
#读取.docx
import docx
#获取文档对象
file=docx.Document(r'D:\Projects\CA\script\CA0218748520031015-DNAv01.docx')
print("段落数:"+str(len(file.paragraphs)))
#输出每一段的内容
for para in file.paragraphs:
print(para.text)
#输出段落编号及段落内容
for i in range(len(file.paragraphs)):
print("第"+str(i)+"段的内容是："+file.paragraphs[i].text)