尝试读取 docx 文件时出现 UnicodeDecodeError答案

【问题标题】：UnicodeDecodeError when trying to read docx file尝试读取 docx 文件时出现 UnicodeDecodeError
【发布时间】：2019-08-08 13:52:58
【问题描述】：

使用 python 3 打开 docx 文件时发生错误

当我尝试运行时：

file=open("jinuj.docx","r",encoding="utf-8").read()

发生以下错误

    319         # decode input (taking the buffer into account)
    320         data = self.buffer + input
--> 321         (result, consumed) = self._buffer_decode(data, self.errors, final)
    322         # keep undecoded input until the next call
    323         self.buffer = data[consumed:]

UnicodeDecodeError: 'utf-8' codec can't decode byte 0xb6 in position 11: invalid start byte

【问题讨论】：

docx 文件是 xml 文件的压缩包。因此，由于它甚至不是文本，它肯定不是 UTF-8 编码的......
python-docx.readthedocs.io/en/latest/user/documents.html

标签： python python-3.x utf-8 python-unicode

【解决方案1】：

python-docx 可以从所谓的类似文件的object 打开文档。它还可以保存到类似文件的对象：

from docx import Document
f = open('jinuj.docx', 'rb')
document = Document(f)
f.close()

或

with open('jinuj.docx', 'rb') as f:
    source_stream = StringIO(f.read())
document = Document(source_stream)
source_stream.close()

Docs

【讨论】：