怎样在Python中批量将Word文档转换为纯文本文件-Python教程-PHP中文网

python-docx仅支持.docx格式，不支持旧版.doc；读取时需用Document加载文件并遍历paragraphs提取文本，表格、页眉页脚等内容需额外遍历tables等对象；.doc文件须用antiword或win32com转换后处理。

怎样在python中批量将word文档转换为纯文本文件

用 python-docx 读取 .docx 文件内容

python-docx 只支持 .docx（Office 2007+），不支持旧版 .doc 格式。如果遇到 PackageNotFoundError 或读取失败，大概率是文件后缀为 .doc 但实际不是真 .docx ——建议先用 LibreOffice 或 Word 手动另存为 .docx。

安装后直接加载文档，逐段提取文本即可：

from docx import Document
<p>doc = Document("report.docx")
text = "\n".join([p.text for p in doc.paragraphs])
with open("report.txt", "w", encoding="utf-8") as f:
f.write(text)</p>

注意：doc.paragraphs 不包含表格内的文字、页眉页脚、文本框内容；若需这些，得额外遍历 doc.tables、doc.sections 等对象。

处理 .doc 文件必须用 antiword 或 win32com

原生 Python 没有稳定解析 .doc 的库。Linux/macOS 下推荐 antiword 命令行工具，Windows 下可用 win32com.client 调用 Word 进程（需本地装 Office）。

antiword 安装与调用示例（终端执行）：

sudo apt install antiword  # Ubuntu/Debian
antiword input.doc > output.txt

在 Python 中批量调用：

import subprocess
import os
<p>for doc_file in ["a.doc", "b.doc"]:
txt_file = os.path.splitext(doc_file)[0] + ".txt"
subprocess.run(["antiword", doc_file], stdout=open(txt_file, "w", encoding="utf-8"))</p>

⚠️坑点：antiword 对中文支持较弱，默认输出 GBK 编码，建议加 -x utf8 参数（新版支持）；win32com 方式会弹出 Word 窗口、速度慢、不能并发，且无法在无桌面环境（如 Linux 服务器）运行。

macOS UI 自动化技能包 —— 用 Python 控制你的 Mac

让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限

下载

保留基础格式（如标题层级、列表）的简单增强方案

纯文本丢失结构信息，但加几行标记就能提升可读性。比如把 paragraph.style.name 为 "Heading 1" 的段落前加 ### ，把 paragraph.style.name 含 "List" 的加 - 。

关键判断逻辑如下：

for p in doc.paragraphs:
    if "Heading 1" in p.style.name:
        text_lines.append("### " + p.text)
    elif "List" in p.style.name:
        text_lines.append("- " + p.text)
    else:
        text_lines.append(p.text)

注意：p.style.name 在不同 Word 模板下可能叫 "标题 1"（中文系统）或 "Heading 1"（英文模板），建议先打印几个段落的 p.style.name 和 p.text 看实际值再写条件。