Python读取word文档（python-docx包）

最近想统计word文档中的一些信息，人工统计的话。。。三天三夜吧

python 不愧是万能语言，发现有一个包叫做 docx，非常好用，具体查看官方文档：https://python-docx.readthedocs.io/en/latest/index.html

（v0.8.6）

还有一个是 win32com 包，这个包安装步骤如下：

http://jingyan.baidu.com/article/d3b74d64c853081f77e60929.html

安装好 win32com之后安装 docx包：

pip install  python-docx

import docx
from win32com import client as wc
import matplotlib.pyplot as plt
from collections import Counter
import os
# 首先将doc转换成docx
word = wc.Dispatch("Word.Application")

# 找到word路径 + 文件名 ，即可打开文件

full_path = 'C:\\Users\\ASUS\\Desktop\\test.docx'
doc = word.Documents.Open(full_path)

# 使用参数16表示将doc转换成docx，保存成docx后才能 读文件

doc.SaveAs(r"D:\\test2.docx",16)
doc.Close()
word.Quit()

# 读取word内容
#　这里是以段落为单位的，下面用一个for 遍历所有段落

doc = docx.Document("D:\\test2.docx")
parag_num = 0
for para in doc.paragraphs :
    print(para.text)
    parag += 1
print ('This document has ', parag, ' paragraphs')

word文档里是这样的：

执行代码结果：

还可以读取word文档中的表格，图片等其他信息，方便对多个word文档进行统计，分析，处理