读取 Word 文档

一款专业的 Microsoft Word 文档读取工具，同时支持现代 .docx 格式与传统的 .doc 格式，并完整支持中文语言环境。

功能特性

• 读取 .docx 文件 —— Word 2007 及更高版本格式
• 读取 .doc 文件 —— 通过 OLE 解析支持 Word 97–2003 格式
• 自动格式识别 —— 自动判断文件类型
• 完整中文支持 —— 正确处理中文编码
• 关键词搜索 —— 在全部段落中检索指定关键词
• 导出为纯文本 —— 保存为 UTF-8 编码的文本文件
• 文档分析 —— 获取文档统计信息与元数据
• 无需安装 Word —— 不依赖 Microsoft Word 环境即可运行

安装方法

前置依赖

pip install python-docx olefile

安装 Skill

# 复制到你的 OpenClaw skills 目录
cp -r read-word ~/.openclaw/skills/

使用方式

命令行调用

# 基础读取（显示前 100 个段落）
python ~/.openclaw/skills/read-word/read_word.py "document.docx"

# 显示更多内容
python ~/.openclaw/skills/read-word/read_word.py "document.docx" --limit 200

# 关键词搜索
python ~/.openclaw/skills/read-word/read_word.py "document.docx" --search "keyword1,keyword2"

# 保存为文本文件
python ~/.openclaw/skills/read-word/read_word.py "document.docx" --output "output.txt"

# 仅显示文档信息
python ~/.openclaw/skills/read-word/read_word.py "document.docx" --info

Python API 调用

# 方法 1：导入函数
import sys
sys.path.insert(0, '~/.openclaw/skills/read-word')
from read_word import read_word_document, search_in_document

# 读取文档
paragraphs = read_word_document("document.docx")
for para in paragraphs:
    print(para)

# 搜索关键词
results = search_in_document("document.docx", ["keyword1", "keyword2"])

使用示例

示例 1：读取并分析文档

from read_word import read_word_document

paragraphs = read_word_document("report.docx")
print(f"Document has {len(paragraphs)} paragraphs")

# 显示前 10 个段落
for i, p in enumerate(paragraphs[:10]):
    print(f"{i+1}. {p}")

示例 2：关键词搜索

from read_word import search_in_document

# 查找包含 "kitchen" 或 "feng shui" 的段落
results = search_in_document("book.docx", ["kitchen", "feng shui"])
for r in results:
    print(r)

示例 3：批量处理

from pathlib import Path
from read_word import read_word_document

desktop = Path.home() / "Desktop"
for doc_file in desktop.glob("*.docx"):
    paragraphs = read_word_document(doc_file)
    print(f"{doc_file.name}: {len(paragraphs)} paragraphs")

API 参考文档

read_word_document(filepath)

读取 Word 文档并返回段落字符串列表。

参数：

• filepath（str｜Path）：Word 文档路径

返回值：

• list：段落字符串列表

异常：

• FileNotFoundError：文件不存在时抛出
• ValueError：文件格式不受支持时抛出

search_in_document(filepath, keywords)

在 Word 文档中搜索关键词。

参数：

• filepath（str｜Path）：Word 文档路径
• keywords（list）：待搜索的关键词列表

返回值：

• list：匹配的段落列表，格式为 "[Paragraph N] content"

save_as_text(paragraphs, output_path)

将段落列表保存为 UTF-8 编码的文本文件。

参数：

• paragraphs（list）：段落字符串列表
• output_path（str｜Path）：输出文件路径

analyze_document(filepath)

分析文档并返回统计信息。

返回值：

• dict：包含文件名、文件大小、段落数量、总字符数等字段

常见问题排查

错误：ModuleNotFoundError: No module named 'docx'

解决方案： pip install python-docx

错误：旧版 .doc 文件显示乱码

原因： OLE 解析对复杂格式支持有限
解决方案： 使用 Microsoft Word 将 .doc 文件转换为 .docx 后再读取

错误：中文字符显示异常

原因： 终端编码不兼容
解决方案： 使用 --output 参数保存至文件，再用编辑器打开

文件格式支持

权限说明

• 读取权限： 用户指定的 Word 文档
• 写入权限（可选）： 使用 --output 时生成 .txt 输出文件
• 网络权限： 无

安全性说明

风险等级：低 —— 仅执行本地文件操作，不访问网络，原始文件不会被修改。

更新日志

v1.0.0（2026-03-20）

• 初始发布
• 支持 .docx 与 .doc 格式
• 提供关键词搜索功能
• 支持导出为纯文本
• 支持中文编码

作者

叶文洁（Ye Wenjie）—— 专为阅读风水典籍及 Word 文档而开发

许可证

MIT License