背景：

Python 中可以读取 word 文件的库有 python-docx 和 pywin32。

优点缺点python-docx跨平台只能处理 .docx 格式，不能处理.doc格式pywin32仅限 windows 平台.doc 和 .docx 都能处理。

一. pywin32模块

这个库很强大，不仅仅可以读取 word，但是网上介绍用 pywin32 读取 .doc 的文章真不多，因为，真心不好用。

以下是 pywin32 读取 .doc 的代码示例，但是读取表格有问题，输出全是空，原因不明，因为不打算用所以没有深入研究。另外，如果表格中有纵向合并单元格，会报错：“无法访问此集合中单独的行，因为表格有纵向合并的单元格。”

1.将doc转为docx

python3.8中win32com 要安装pypiwin32 pip install pypiwin32

from win32com import client as wc

word = wc.Dispatch("Word.Application")
doc = word.Documents.Open(路径+名称.doc)
doc.SaveAs(路径+名称.docx, 12)   12为docx
doc.Close()
word.Quit()

2.读取段落

import docx
docStr = Document(docName)   打开文档
for paragraph in docStr.paragraphs:
parStr = paragraph.text
--》paragraph.style.name == 'Heading 1'  一级标题   
--》paragraph.paragraph_format.alignment == 1  居中显示
--》paragraph.style.next_paragraph_style.paragraph_format.alignment == 1  下一段居中显示
--》paragraph.style.font.color

3.读取表格

numTables = docStr.tables
for table in numTables:
#行列个数
row_count = len(table.rows)
col_count = len(table.columns)
for i in range(row_count):
    row = table.rows[i].cells
	i行j列内容：row[j].text

或者：
row_count = len(table.rows)
col_count = len(table.columns)
for i in range(row_count):
    for j in range(col_count):
        print(table.cell(i,j).text)

4.按样式读取

读取标题

for p in doc.paragraphs:
    if p.style.name=='Heading 1':
        print(p.text)

import re
for p in doc.paragraphs:
    if re.match("^Heading \d+$",p.style.name):
        print(p.text)

读取正文

for p in doc.paragraphs:
    if p.style.name=='Normal':
        print(p.text)

获取docx支持的样式

from docx.enum.style import WD_STYLE_TYPE
for i in s:
    if i.type==WD_STYLE_TYPE.PARAGRAPH:
        print(i.name)

5.获取文字格式信息

paragraph 对象 里还有更小的 run 对象，run 对象才包含了段落对象的文字信息。
paragraph.text 方法也是通过 run 对象的方法获取到文字信息的：

paragraph.text 方法源码：

def text(self):
     text = ''
        for run in self.runs:
            text += run.text
        return text

文字的字体、大小、下划线等信息都包含在 run 对象中（不清楚的看前面的博客）：

获取段落的 run 对象列表
runs = par0.runs
print(runs)
获取 run 对象
run_0 = runs[0]
print(run_0.text) # 获取 run 对象文字信息
打印结果：
坚持因地制宜，差异化打造特色小镇，
文档 段落 和 run 对象示意：

获取文字格式信息：

# 获取文字格式信息
print('字体名称：',run_0.font.name)
# 字体名称： 宋体
print('字体大小：',run_0.font.size)
# 字体大小： 152400
print('是否加粗：',run_0.font.bold)
# 是否加粗： None
print('是否斜体：',run_0.font.italic)
# 是否斜体： True
print('字体颜色：',run_0.font.color.rgb)
# 字体颜色： FF0000
print('字体高亮：',run_0.font.highlight_color)
# 字体高亮： YELLOW (7)
print('下划线：',run_0.font.underline)
# 下划线： True
print('删除线：',run_0.font.strike)
# 删除线： None
print('双删除线：',run_0.font.double_strike)
# 双删除线： None
print('下标：',run_0.font.subscript)
# 下标： None
print('上标：',run_0.font.superscript)
# 上标： None
LIK2

6.设置首行缩进

from docx.shared import Inches,Pt
par2 = doc.add_paragraph('段落文本')
# 左缩进,0.5 英寸
par2.paragraph_format.left_indent = Inches(0.5)
# 右缩进,20 磅
par2.paragraph_format.right_indent = Pt(20)
# 首行缩进
par2.paragraph_format.first_line_indent = Inches(1)

查看首行缩进单位

from docx import Document
from docx.shared import Inches
from docx.oxml.ns import qn

from docx.shared import Cm, Pt
from docx.enum.text import WD_PARAGRAPH_ALIGNMENT

from docx.shared import RGBColor

myDocument = Document('2020年建交集团3月分析报告.docx')

for paragraph in myDocument.paragraphs:
	print(paragraph.paragraph_format.first_line_indent)
	print(dir(paragraph))

批量的读取doc文档】

解决方案：利用python将大批.doc文件转化为.docx文件，再读写.docx文件

问题分析：python利用python-docx (0.8.6)库可以读取.docx文件或.txt文件，且一路畅通无阻，而对.doc文件本身python是无能为力的，那有很多同学就不服气，我手动把.doc文件的后缀名改为.docx或.txt不就解决问题了吗？答案是不能的，简单修改后缀名，那么文件就被你玩坏了，别说打不开，就是打开也是天书啊（乱码）。python无法操作.doc文件是他的先天不足，但是我们不要钻牛角尖一定要在互联网上找到一种源码直接读取.doc文件，一调用就好了，但是不幸的是，你可能在网上也找不到解决方案。正当我一筹莫展之时，我将.doc文档利用手动的方式“另存为”.docx文档，就能够成功打开转化后的.docx文档，于是我就尝试利用代码方式完成这个手动的“另存为”功能，问题得以解决。

直接上python代码（首先你需要先安装pypewin32库）：

# -*- coding: utf-8 -*-：
import sys
import pickle
import re
import codecs
import string
import shutil
from win32com import client as wc

def doSaveAas(): # 想批处理文件，你就用for循环呗，我一次性处理了100多个文件，代码执行不超过2分钟，可以解决问题，目标文件路径可以自由改动，大家注意SaveAs方法中的参数，好多啊，别写错了

word = wc.Dispatch('Word.Application')
doc = word.Documents.Open(u'C:\\Users\\X\\PycharmProjects\\1\\大家好.doc')  # 目标路径下的文件
doc.SaveAs(u'C:\\Users\\X\\PycharmProjects\\1\\我是一枚小小的程序员X007.docx', 12, False, "", True, "", False, False, False, False) # 转化后路径下的文件 
doc.Close()
word.Quit()

参考摘取原文：https://www.sohu.com/a/281740874_99987664（感谢大佬）

　　　　　　　https://www.cnblogs.com/zhaobowen/p/13807092.html（感谢大佬）

　　　　　　　https://www.jb51.net/article/139671.htm（感谢大佬）

【python】后缀为doc的文件读取 - 代码小绵羊 - 博客园

效果

先展示下基本的效果，首先我们只有一个doc文件，与python的代码：

我这里用的是doc的word文档，文档内表格如下：

通过python读取后打印：
我这里没有专门按照表格内往excel中写，只是随意写了几个数据：

因为根据需要不同，要写的内容也不同，不过方法是差不多的，就是在读取word时把需要的数据存储下来，在写入表格中的时候填入即可。

程序运行完之后会生产docx文件与xlsx文件：

代码部分：

首先要先安装相关的模块：
使用docx文件需要加载：

pip install python-docx

使用doc文件需要加载：

pip install pywin32

使用xlsx文件需要加载：

pip install openpyxl

加载模块出现问题，或者超时之类可以参考我这篇文章：更换pip源等

接下来是代码部分，注释也都齐全：

# -*- coding:utf-8 -*-

import os
import docx
from docx import Document #导入库
from win32com.client import Dispatch

'''
获取绝对地址，
如果是doc的转换为docx。
'''
#文件相对路径
file_path = "../TEST.doc"
file_name, file_extension = os.path.splitext(file_path)#获取文件名、文件扩展名
file_abs_path = os.path.abspath(file_path) #通过相对路径获取绝对路径
if file_extension in [".doc"]:
    #打开word应用程序
    wd=Dispatch("Word.application")
    #后台运行
    wd.Visible = 0
    wd.DisplayAlerts = 0
    #打开doc文档,必须给一个绝对路径
    doc=wd.Documents.Open(file_abs_path)
    #另存为docx
    doc.SaveAs(file_abs_path+r"x",12)#12表示docx格式
    #关闭文档
    doc.Close()
    #退出word应用
    wd.Quit()
    file_abs_path = file_abs_path+r"x"#更新路径为docx的路径


'''
读取word的表格内的数据，并按行打印。
'''
word = Document(file_abs_path) #读入文件
tables=word.tables
for i in range(len(tables)):
    tb=tables[i]
    #获取表格的行
    tb_rows=tb.rows
    #读取每一行内容
    for i in range(len(tb_rows)):
        row_data=[]
        row_cells=tb_rows[i].cells
        #读取每一行单元格内容
        for cell in row_cells:
            row_data.append(cell.text)#单元格内容
        print(row_data) #打印整行数据


'''
往excel中填写数据，在读取word时把需要的数据存储下来，
在写入表格中的时候填入即可。
'''
# 导入模块
from openpyxl import  Workbook 
from openpyxl import workbook
from openpyxl import load_workbook
#新建excel
wb = Workbook() # 实例化
ws = wb.active  # 激活 worksheet
###打开已有excel表格
##wb = load_workbook('../TEST.xlsx')
##ws = wb["Sheet1"]
for i in range(1,8,1):
    ws.cell(row=i, column=i, value=10)#row：行    column：列    value：内容
wb.save('../TEST.xlsx')    
print('写入完成！')

需要整个工程的话可以加我公众号来获取：

关注公众号：逸趣汇
微信号：yiquhui666
发送：010703 获取下载链接。