python讀取word文檔

週末須要作一個統計word文檔字數的問題，剛開始覺得很簡單，由於以前作過excel表格相關的任務，因此認爲利用擴展模塊應該比較簡單。

經過搜索，確實搜到了一個python操做word的模塊，python-docx 

經過命令安裝：pip install python-docx

使用代碼示例：

#讀取docx中的文本代碼示例
import docx
#獲取文檔對象
file=docx.Document("D:\\temp\\word.docx")
print("段落數:"+str(len(file.paragraphs)))#段落數爲13，每一個回車隔離一段

#輸出每一段的內容
for para in file.paragraphs:
　　print(para.text)

#輸出段落編號及段落內容
for i in range(len(file.paragraphs)):
　　print("第"+str(i)+"段的內容是："+file.paragraphs[i].text)

拿過來本身試了一下，卻報瞭如下的錯誤：

拿異常上百度搜了一下，大體的意思是python-docx這個模塊貌似只支持docx文件，不支持doc。

好吧，嘗試另外一種方法，使用antiword(這裏使用的linux環境)

先下載安裝，地址：http://www.winfield.demon.nl/

使用tar解壓以後，分別用make  和 make install命令進行安裝

切換到安裝的目錄後，使用「./antiword」 + doc文件名便可讀取文件內容。