如何使用 python-docx 模块读取“.doc”文件答案

【问题标题】：How to read '.doc' file with python-docx module如何使用 python-docx 模块读取“.doc”文件
【发布时间】：2021-02-16 09:33:40
【问题描述】：

我正在尝试使用 python-docx 模块读取 .doc 文件，我在做

import docx

path = 'Sample-doc-file-100kb.doc'
doc = docx.Document(path) 
#extracting texts from doc

这适用于 .docx，但对于 .doc 文件会出现 ValueError: file 'Sample-doc-file-100kb.doc' is not a Word file, content type is 'application/vnd.openxmlformats-officedocument.themeManager+xml' 错误。

我搜索并发现这个 docx 模块不适用于旧版本的 doc 文件。我寻找将 doc 转换为 docx，但所有解决方案都依赖于 windows。

我在 aws-lambda 上运行此代码，因此无法使用这些方法。

有什么方法可以将 doc 转换为 docx（独立于平台）或读取 .doc 文件？

【问题讨论】：

标签： python python-3.x aws-lambda python-docx doc

【解决方案1】：

将 doc 转换为 docx（平台无关）

如果您能够提供可用的 LibreOffice 或 OpenOffice，那么您可以尝试使用 unoconv 进行 doc 到 docx 的转换

是一个命令行工具，用于转换 LibreOffice 的任何文档格式可以导入任何 LibreOffice 可以导出的文档格式。

【讨论】：