python通过docx模块解决doc及docx后缀文件内容的处理
发表于:2026-11-02 作者:千家信息网编辑
千家信息网最后更新 2026年11月02日,import os,shutil,docx,re,timefrom win32com import client as wc#从所有级联目录读取文件到指定目录内def count_files(file
千家信息网最后更新 2026年11月02日python通过docx模块解决doc及docx后缀文件内容的处理
import os,shutil,docx,re,timefrom win32com import client as wc#从所有级联目录读取文件到指定目录内def count_files(file_dir): count=0 for p,d,f in os.walk(file_dir): for c in f: if c.split('.')[-1]=="doc": count +=1 src_dir = os.path.join(p, c) print(src_dir) dst_dir = file_dir + "back" if not os.path.exists(dst_dir): os.makedirs(dst_dir) shutil.copy(src_dir, dst_dir) return count#提取每个docx简历文档里面的邮箱地址,我们这里使用python-docx模块来解决pip install python-docxdef count_mail(file_dir,dst_file): mail_list = [] for parent,dirctiory,files in os.walk(file_dir): for f in files: doc = docx.Document(os.path.join(parent,f)) pattern = re.compile(r'''([a-zA-Z0-9._%+-]+@[a-zA-Z0-9\t\s.-]+(\.[a-zA-Z0-9\t\s]{2,4}))''', re.VERBOSE) for para in doc.paragraphs: for groups in pattern.findall(para.text): mail_list.append(groups[0].replace(" ","")+";") with open(dst_file,'w')as f: f.writelines(mail_list) print("=====================邮件信息写入成功===================")#由于python-docx模块只能处理docx后缀,我们需要处理doc后缀的文件,必须通过win32com模块来把doc后缀转换成docxdef docxTodoc(old_doc,new_doc): word = wc.Dispatch('Word.Application') for parent,directory,files in os.walk(old_doc): for f in files: doc = word.Documents.Open(os.path.join(parent,f)) # 目标路径下的文件 new_filepath=os.path.join(new_doc,f.split(".")[0]+".docx") print(new_filepath) doc.SaveAs(new_filepath, 12, False, "", True, "", False, False, False,False) # 转化后路径下的文件 doc.Close() print(time.time()) word.Quit()if __name__ == '__main__': print(count_files(r"C:\Users\icestick\Desktop\51job_导出简历_20180917")) count_mail(r"C:\Users\icestick\Desktop\new_doc",r"C:\Users\icestick\Desktop\test.txt" ) old_doc = r"C:\Users\icestick\Desktop\51job_导出简历_20180917" #需要把doc目录转成docx格式的原目录 new_doc = r"C:\Users\icestick\Desktop\new_doc" #需要把doc目录转成docx格式的目标目录 mail_extract = r"C:\Users\icestick\Desktop\test.txt" #邮箱提取好的文件 if not os.path.exists(new_doc): os.mkdir(new_doc) print("=====================目录创建成功======================") docxTodoc(old_doc, new_doc) print("=====================docx格式转换成功===================") count_mail(new_doc, mail_extract) else: docxTodoc(old_doc, new_doc) print("=====================docx格式转换成功===================") count_mail(new_doc, mail_extract)
目录
文件
成功
格式
后缀
模块
简历
处理
目标
路径
邮箱
信息
地址
文档
邮件
内容
数据库的安全要保护哪些东西
数据库安全各自的含义是什么
生产安全数据库录入
数据库的安全性及管理
数据库安全策略包含哪些
海淀数据库安全审计系统
建立农村房屋安全信息数据库
易用的数据库客户端支持安全管理
连接数据库失败ssl安全错误
数据库的锁怎样保障安全
美国互联网保险保险科技
互联网科技行业发展
互联网科技会
科技类互联网
融势互联网科技
大白互联网科技
科技类的互联网平台
湖南洣水互联网科技有限公司扣款
深圳市运趣互联网科技有限公司
剑昆互联网络科技有限公司临桂
长沙互联网科技
互联网科技资金流入
新氧科技和美国互联网有关系吗
抖集互联网科技技术咨询
互联网科技手机排行榜
互联网金融运营模式中的金融科技
青岛互联网科技园
互联网大会出现的黑科技
科技美学互联网 艺术
恒生科技互联网指数十大成分股
广州百单互联网科技有限公司
科技赋能下的互联网金融
有马互联网科技
西安互联网科技公司
菲比寻常互联网科技
亿人帮互联网科技
大白互联网科技
电子科技大学互联网创业大赛
北京天晋互联网科技有限公司
广西泛欧互联网科技有限公司