吾爱破解 - 52pojie.cn

 找回密码
 注册[Register]

QQ登录

只需一步,快速开始

查看: 1927|回复: 16
收起左侧

[Python 原创] 使用python批量将doc文档转换为docx

[复制链接]
矢岛舞美 发表于 2024-1-31 10:42
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)

免费评分

参与人数 1吾爱币 +5 热心值 +1 收起 理由
苏紫方璇 + 5 + 1 欢迎分析讨论交流,吾爱破解论坛有你更精彩!

查看全部评分

发帖前要善用论坛搜索功能,那里可能会有你要找的答案或者已经有人发布过相同内容了,请勿重复发帖。

 楼主| 矢岛舞美 发表于 2024-1-31 11:41
本帖最后由 矢岛舞美 于 2024-1-31 11:43 编辑

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)

免费评分

参与人数 1吾爱币 +1 热心值 +1 收起 理由
Robertshuai + 1 + 1 我很赞同!

查看全部评分

typps 发表于 2024-3-15 18:28
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 发表于 2024-1-31 10:47
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
sai609 发表于 2024-1-31 11:21
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
 楼主| 矢岛舞美 发表于 2024-1-31 11:25
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 发表于 2024-1-31 12:10
谢谢分享
qfxldhw 发表于 2024-1-31 13:05
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 发表于 2024-1-31 14:10
[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

免费评分

参与人数 1吾爱币 +1 热心值 +1 收起 理由
luxingyu329 + 1 + 1 复习了,感谢楼主分享

查看全部评分

ysysqfyz 发表于 2024-2-4 11:13
谢谢分享,试一下
您需要登录后才可以回帖 登录 | 注册[Register]

本版积分规则

返回列表

RSS订阅|小黑屋|处罚记录|联系我们|吾爱破解 - LCG - LSG ( 京ICP备16042023号 | 京公网安备 11010502030087号 )

GMT+8, 2024-11-24 11:11

Powered by Discuz!

Copyright © 2001-2020, Tencent Cloud.

快速回复 返回顶部 返回列表