我正在使用一台装有 Windows 7 和 python 3.3 的计算机。 在我的组织中，我们有数千个没有组织的文档。 我想创建一个程序来打开 doc/docx 文件，在文本中搜索某些关键字，然后重新排列文档。 我正在寻找一种在单词文件（doc/docx）的文本中搜索某些单词的方法，它必须在 Windows 上，并且必须能够同时搜索 doc 和 docx。
有什么想法吗？
【问题讨论】：
标签： python-3.x search docx doc
.docx 文档是 OpenXML 格式的 Zip 存档：您必须先将其解压缩。
之后你可以运行：
# Import the module
from docx import *
# Open the .docx file
document = opendocx('A document.docx')
# Search returns true if found
search(document,'your search string')
【讨论】：
可以使用 texttract 库。它同时处理“doc”和“docx”
import textract
text = textract.process("path/to/file.extension")
您甚至可以使用“antiword”（sudo apt-get install antiword）然后将 doc to first 转换为 docx，然后通读 docx2txt。
antiword 文件名.doc > 文件名.docx 最终，后端的texttract使用了antiword。
【讨论】：