如何实现提取word标题或者第一行前几个字为文件名

swanseabrian

同一文件目录下
如何实现提取word标题或者第一行前几个字为文件名

这个可以做吗,谢谢

lightninng

正好最近研究了下python-docx库

1. import docx  #命令行中输如pip install python-docx安装该库
   
2. import os
   
3. for path,dirs,files in os.walk("."):
   
4.     for file in files:
   
5.         if file.split(".")[-1]=="docx":  #只处理docx文件
   
6.             doc = docx.Document(file)    #打开docx文件
   
7.             title=doc.paragraphs[0].text    #获取第一段内容（也就是第一行，word中回车分隔的就是不同段落）
   
8.             os.rename(file,title+".docx")   #重命名
   
9. 
   
10.     break   #只处理当前目录，所以第一项完成后退出

复制代码

swanseabrian

lightninng 发表于 2021-11-29 17:24
正好最近研究了下python-docx库

是doc怎么办

swanseabrian

lightninng 发表于 2021-11-29 17:24
正好最近研究了下python-docx库

报错
docx.opc.exceptions.PackageNotFoundError: Package not found at

lightninng

swanseabrian 发表于 2021-11-29 19:10
报错
docx.opc.exceptions.PackageNotFoundError: Package not found at

这个模块处理不了doc，报错原因可能性最大的是，你的word文档里面没有内容吧~

swanseabrian

lightninng 发表于 2021-11-29 20:46
这个模块处理不了doc，报错原因可能性最大的是，你的word文档里面没有内容吧~

doc怎么办呢 你的问题是差个 os.path.join

lightninng

swanseabrian 发表于 2021-11-29 21:09
doc怎么办呢 你的问题是差个 os.path.join

不用join也可以，相对路径没有问题，当然你用绝对路径也可以
doc没处理过，上网找找相对应的库怎么用呗，这点事，倒腾两下还不解决了~~~

lightninng

swanseabrian 发表于 2021-11-29 21:09
doc怎么办呢 你的问题是差个 os.path.join

我给你找了一个
https://textract.readthedocs.io/en/stable/

swanseabrian

lightninng 发表于 2021-11-29 21:10
不用join也可以，相对路径没有问题，当然你用绝对路径也可以
doc没处理过，上网找找相对应的库怎么用呗 ...

不join就找 不到

lightninng

swanseabrian 发表于 2021-11-29 21:15
不join就找 不到

好吧，我这里不知道为什么没啥问题，
刚百度到另一个间接解决doc的方法
https://blog.csdn.net/weixin_40449300/article/details/79143971
楼主，你慢慢研究，我去吃饭了~~

swanseabrian

lightninng 发表于 2021-11-29 21:13
我给你找了一个
https://textract.readthedocs.io/en/stable/

这个怎么用

lightninng

swanseabrian 发表于 2021-11-29 21:27
这个怎么用

你还没解决啊，自己多百度啊~~~

lightninng

swanseabrian 发表于 2021-11-29 21:27
这个怎么用

有时间了，我来送佛送到西了~~

1. import win32com.client
   
2. import os
   
3. 
   
4. app = win32com.client.DispatchEx("Word.Application")
   
5. file_name=[]
   
6. for path,dirs,files in os.walk(os.getcwd()):
   
7.     for file in files:
   
8.         if (file.split(".")[-1]=="docx" or file.split(".")[-1]=="doc" )and "$" not in file:  #只处理docx或doc文件
   
9.             app.visible = False #不显示word窗口
   
10.             doc = app.Documents.Open(f'{path}\{file}')   #打开文件
    
11.             title=str(doc.paragraphs[0])    #获取第一段内容（也就是第一行，word中回车分隔的就是不同段落）
    
12.             doc.Close()    #关闭打开的文档
    
13.             os.rename(f'{path}\{file}',f"{path}\{str(title).strip()}.{file.split('.')[-1]}")   #给文件改名
    
14.             
    
15.     break #只处理当前目录，所以第一项完成后退出
    
16. app.Quit()
    
17.         

复制代码

swanseabrian

lightninng 发表于 2021-11-30 12:18
有时间了，我来送佛送到西了~~

报错

1.     doc = app.Documents.Open(os.path.join(path1, file))  # 打开文件
   
2.   File "C:\Users\Administrator\AppData\Local\Programs\Python\Python38-32\lib\site-packages\win32com\client\dynamic.py", line 554, in __getattr__
   
3.     raise AttributeError("%s.%s" % (self._username_, attr))
   
4. AttributeError: <unknown>.Open

复制代码

swanseabrian

lightninng 发表于 2021-11-30 12:18
有时间了，我来送佛送到西了~~

我想转化成docx再改名,为啥我转换全失败了呢

1. import docx  #命令行中输如pip install python-docx安装该库
   
2. from docx import Document
   
3. from win32com import client as wc
   
4. import os
   
5. path1 = r'C:\Users\Administrator\Desktop\bat\doc标题文件名'
   
6. path2 = r'C:\Users\Administrator\Desktop\1130'
   
7. 
   
8. def doc_to_docx(file):
   
9. 
   
10.     word_doc = word_app.Documents.Open(file)  # 打开doc后缀名的文件
    
11.     # word_doc.SaveAs(docxUrl + "/" + fileName.split("/")[-1].split(".")[0] + ".docx", 12)
    
12.     word_doc.SaveAs("{}x".format(file), 12)  # 另存为后缀为".docx"的文件，其中参数12或16指docx文件
    
13.     word_doc.Close()  # 关闭原来的doc后缀名文件
    
14.     # word_app.Quit()
    
15. 
    
16. word_app = wc.Dispatch("Word.Application")
    
17. for path,dirs,files in os.walk(path2):
    
18.     for file in files:
    
19.         print(file)
    
20.         if file.split(".")[-1]=="doc":
    
21.             try:
    
22.             #只处理docx文件
    
23. 
    
24.                 doc_to_docx(file)
    
25.                 print(print(file + "转化成功"))
    
26.             except:
    
27. 
    
28.                 print(file + "转化失败")
    
29.         #
    
30.         #
    
31.         #     # print(os.path.join(path1, file))
    
32.             # doc = textract.process(os.path.join(path1, file))    #打开docx文件
    
33.             # title=doc.paragraphs[0].text    #获取第一段内容（也就是第一行，word中回车分隔的就是不同段落）
    
34.             # os.rename(os.path.join(path1, file),os.path.join(path1,title+".docx"))   #重命名

复制代码

lightninng

swanseabrian 发表于 2021-11-30 12:34
报错

哥。。。我代码里面没有你这一句啊。。。。
doc = app.Documents.Open(os.path.join(path1, file))


我的代码win10 x64 python3.7测试没问题，路径我也换成绝对路径了~~

lightninng

swanseabrian 发表于 2021-11-30 12:35
我想转化成docx再改名,为啥我转换全失败了呢

既然用了win32就没必要转化了啊。直接读去文件内容就行了啊

swanseabrian

lightninng 发表于 2021-11-30 12:44
哥。。。我代码里面没有你这一句啊。。。。
doc = app.Documents.Open(os.path.join(path1, file))
...

用你那句,报的错误 是一样的,你那句的意思不也是加路径吗,跟我这句一样吧

lightninng

swanseabrian 发表于 2021-11-30 12:52
用你那句,报的错误 是一样的,你那句的意思不也是加路径吗,跟我这句一样吧

哥。这种程序调试问题自己先试一下，你试试把你传入的参数打印出来看一下啊，我这遍没有path1直接从当前文件夹读取的文件名和路径，没有问题，那问题自然处在你这个路径上啊，自己先排查一下吧，我先吃个饭，有时间再来~~~

swanseabrian

lightninng 发表于 2021-11-30 12:44
哥。。。我代码里面没有你这一句啊。。。。
doc = app.Documents.Open(os.path.join(path1, file))
...

我是Python38-32 win10 64应该跟这个没关系吧