Python通过docx模块读写微软docx文件

读取docx文件 方式一：

读取流程： 二进制对象 - 》 解压 ——》读取xml文件

# -*- encoding: utf-8 -*-

from zipfile import ZipFile
from urllib import urlopen
from io import BytesIO
from bs4 import BeautifulSoup

# url="http://www.pythonscraping.com/pages/AwordDocument.doxc"
# word_file = urlopen(url).read()
# word_file = BytesIO(worl_file)

word_file = open("AWordDocument.docx", "rb")
document = ZipFile(word_file)
xml_content = document.read("word/document.xml")
text = xml_content.decode("utf-8")
print text

方式二

解析出文本内容

pip install python-docx

import docx

doc = docx.Document("AWordDocument.docx")
print doc

# 打印所有段落内容
for p in  doc.paragraphs:
    print p.text

更多内容参考 官方文档：http://python-docx.readthedocs.io/en/latest/index.html