使用python批量将doc文档转换为docx

矢岛舞美

由于需要对word文档中的图片进行处理，但是python无法直接对doc格式进行处理，所以有了这个玩意，话说，兄弟萌有没有办法让这个代码处理速度更快

[Python] 纯文本查看 复制代码

import os
import win32com.client
from tkinter import filedialog
from tkinter import Tk


def doc_to_docx(doc_path):
    try:
        word = win32com.client.Dispatch("Word.Application")
        word.Visible = 0
        doc = word.Documents.Open(doc_path)
        # 生成新的文件名，替换原来的 .doc 扩展为 .docx
        docx_path = os.path.splitext(doc_path)[0] + '.docx'
        doc.SaveAs(docx_path, FileFormat=16)
        print(f"Converted: {doc_path} to {docx_path}")
    except Exception as e:
        print(f"Failed to convert {doc_path} due to {str(e)}")
    finally:
        doc.Close()
        word.Quit()

    # 删除原.doc文件
    os.remove(doc_path)
    return docx_path


def convert_all_docs_in_folder(folder_path):
    # 遍历文件夹中的所有文件
    for file_name in os.listdir(folder_path):
        # 获取文件的完整路径
        full_file_name = os.path.join(folder_path, file_name)
        # 检查文件是否是.doc文件
        if os.path.splitext(file_name)[-1].lower() == '.doc':
            # 转换文件
            doc_to_docx(full_file_name)


if __name__ == '__main__':
    # 创建一个Tk root窗口，但不显示
    root = Tk()
    root.withdraw()

    # 打开文件夹选择对话框，让用户选择需要转换的文件夹
    folder_path = filedialog.askdirectory()
    if folder_path:
        convert_all_docs_in_folder(folder_path)

矢岛舞美

优化了一下，转化速度大大提升了：

• 使用glob模块来直接获取所有的.doc文件，而不是遍历所有文件，减少不必要的文件系统交互。
• 将Word.Application对象的创建和退出移到循环外部，只需要启动和退出一次Word应用程序，而不是为每个文件都启动和退出一次。
  

下面是修改后的代码：

[Python] 纯文本查看 复制代码

import os
import win32com.client
from tkinter import filedialog
from tkinter import Tk
import glob
from datetime import datetime


def doc_to_docx(word, doc_path):
    try:
        doc = word.Documents.Open(doc_path)
        docx_path = os.path.splitext(doc_path)[0] + '.docx'
        doc.SaveAs(docx_path, FileFormat=16)
        current_time = datetime.now().strftime('%Y-%m-%d %H:%M:%S')
        print(f"{current_time} Converted: {doc_path} to {docx_path}")
        doc.Close()
        os.remove(doc_path)
        return docx_path
    except Exception as e:
        print(f"Failed to convert {doc_path} due to {str(e)}")


def convert_all_docs_in_folder(folder_path):
    word = win32com.client.Dispatch("Word.Application")
    word.Visible = 0

    for doc_path in glob.glob(os.path.join(folder_path, '*.doc')):
        doc_to_docx(word, doc_path)

    word.Quit()


if __name__ == '__main__':
    root = Tk()
    root.withdraw()
    folder_path = filedialog.askdirectory()
    if folder_path:
        convert_all_docs_in_folder(folder_path)

typps

阿哈哈哈哈之前也写过类似的，就是因为python不能直接处理doc，不过对于性能没有考量，大佬们帮忙看看呢

[Python] 纯文本查看 复制代码

import win32com.client as win32
from win32com.client import constants
import os
# 输入文件夹路径

path1 = input('请输入文件夹路径：') + '/'
# 创建Word应用程序对象
word = win32.gencache.EnsureDispatch('Word.Application')
number = 0

# 遍历文件夹中的所有.doc文件并进行转换
for root, dirs, files in os.walk(path1):
    for file in files:
        if file.endswith('.doc'):
            doc_path = os.path.join(root, file)
            doc = word.Documents.Open(doc_path)
            doc.Activate()

            # 将文件另存为.docx格式
            new_file_path = os.path.abspath(doc_path)
            new_file_path = new_file_path.replace('.doc', '.docx')
            word.ActiveDocument.SaveAs(new_file_path, FileFormat=constants.wdFormatXMLDocument)
            # 关闭当前文档
            doc.Close(False)
            os.remove(doc_path)
            number += 1
# 退出Word应用程序
word.Quit()

print(f'已处理完成。共转换{number}个文件')

caiduyi127

谢谢分享！！！

BTFKM

看网上都是基于无界面打开word操作的
估计docx格式转换很难做
能提速的方案就是并发了

sai609

把批量文件放进文件夹，函数指定文件夹做格式转换，完美解决

矢岛舞美

BTFKM 发表于 2024-1-31 11:15
看网上都是基于无界面打开word操作的
估计docx格式转换很难做
能提速的方案就是并发了

有点道理，我试试

xinxin99

谢谢分享

qfxldhw

import os
import glob
from datetime import datetime
import win32com.client
from tkinter import filedialog
from tkinter import Tk
from concurrent.futures import ThreadPoolExecutor

def doc_to_docx(word, doc_path):
    try:
        doc = word.Documents.Open(doc_path)
        docx_path = os.path.splitext(doc_path)[0] + '.docx'
        doc.SaveAs(docx_path, FileFormat=16)
        current_time = datetime.now().strftime('%Y-%m-%d %H:%M:%S')
        print(f"{current_time} Converted: {doc_path} to {docx_path}")
        doc.Close()
        return doc_path, docx_path  # 返回旧文件和新文件路径
    except Exception as e:
        print(f"Failed to convert {doc_path} due to {str(e)}")
        return None, None

def convert_all_docs_in_folder(folder_path):
    word = win32com.client.Dispatch("Word.Application")
    word.Visible = 0

    # 使用线程池来提高效率
    with ThreadPoolExecutor() as executor:
        futures = [executor.submit(doc_to_docx, word, doc_path) for doc_path in glob.glob(os.path.join(folder_path, '*.doc'))]
        
        for future in futures:
            old_path, new_path = future.result()
            if old_path:
                os.remove(old_path)  # 在转换完成后删除原文件

    word.Quit()

if __name__ == '__main__':
    root = Tk()
    root.withdraw()
    folder_path = filedialog.askdirectory()
    if folder_path:
        convert_all_docs_in_folder(folder_path)
现在看看

土鸡炖蘑菇

[Python] 纯文本查看 复制代码

import os
import win32com.client
from tkinter import filedialog, Tk
import concurrent.futures

def doc_to_docx(doc_path):
    try:
        word = win32com.client.Dispatch("Word.Application")
        word.Visible = 0
        doc = word.Documents.Open(doc_path)
        docx_path = os.path.splitext(doc_path)[0] + '.docx'
        doc.SaveAs(docx_path, FileFormat=16)
        print(f"Converted: {doc_path} to {docx_path}")
        
        return docx_path
    except Exception as e:
        print(f"Failed to convert {doc_path} due to {str(e)}")
    finally:
        doc.Close()
        word.Quit()

def convert_all_docs_in_folder(folder_path):
    with concurrent.futures.ThreadPoolExecutor() as executor:
        for file_name in os.listdir(folder_path):
            full_file_name = os.path.join(folder_path, file_name)
            if file_name.lower().endswith('.doc'):
                future = executor.submit(doc_to_docx, full_file_name)
                docx_path = future.result()
                if docx_path:
                    os.remove(full_file_name)

if __name__ == '__main__':
    root = Tk()
    root.withdraw()

    folder_path = filedialog.askdirectory()
    if folder_path:
        convert_all_docs_in_folder(folder_path)

上述代码使用了 concurrent.futures.ThreadPoolExecutor 来创建一个线程池，实现了对文件转换的并发处理。这样可以更充分地利用系统资源，提高文件转换的效率。



AI

ysysqfyz

谢谢分享,试一下