本文实例讲述了python读取word文档的方法。分享给大家供大家参考。具体如下：
首先下载安装win32com
?
1 2 3 4 5 6 from win32com import client as wc word = wc.Dispatch('Word.Application') doc = word.documents.Open('c:/test') doc.SaveAs('c:/test.text', 2) doc.Close() word.Quit()这种方式产生的text文档，不能用python用普通的r方式读取，为了让python可以用r方式读取，应当写成
?
1 doc.SaveAs('c:/test', 4)注意：系统执行完成后，会自动产生文件后缀txt(虽然没有指明后缀)。
在xp系统下面，应当，
?
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 open(r'c:text','r') wdFormatdocument = 0 wdFormatdocument97 = 0 wdFormatdocumentDefault = 16 wdFormatDOSText = 4 wdFormatDOSTextLineBreaks = 5 wdFormatEncodedText = 7 wdFormatFilteredHTML = 10 wdFormatFlatXML = 19 wdFormatFlatXMLMacroEnabled = 20 wdFormatFlatXMLTemplate = 21 wdFormatFlatXMLTemplateMacroEnabled = 22 wdFormatHTML = 8 wdFormatPDF = 17 wdFormatRTF = 6 wdFormatTemplate = 1 wdFormatTemplate97 = 1 wdFormatText = 2 wdFormatTextLineBreaks = 3 wdFormatUnicodeText = 7 wdFormatWebArchive = 9 wdFormatXML = 11 wdFormatXMLdocument = 12 wdFormatXMLdocumentMacroEnabled = 13 wdFormatXMLTemplate = 14 wdFormatXMLTemplateMacroEnabled = 15 wdFormatXPS = 18照着字面意思应该能对应到相应的文件格式，如果你是office 2003可能支持不了这么多格式。word文件转html有两种格式可选wdFormatHTML、wdFormatFilteredHTML(对应数字 8、10)，区别是如果是wdFormatHTML格式的话，word文件里面的公式等ole对象将会存储成wmf格式，而选用 wdFormatFilteredHTML的话公式图片将存储为gif格式，而且目测可以看出用wdFormatFilteredHTML生成的HTML 明显比wdFormatHTML要干净许多。
当然你也可以用任意一种语言通过com来调用office API，比如PHP.
?
1 2 3 4 5 from win32com import client as wc word = wc.Dispatch('Word.Application') doc = word.documents.Open(r'c:/test1.doc') doc.SaveAs('c:/test1.text', 4) doc.Close()?
1 2 3 4 5 6 7 8 9 10 11 12 13 14 import re strings=open(r'c:test1.text','r').read() result=re.findall('(s*[A-D]s*)|(xa1*[A-D]xa1*)|（s*[A-D]s*）|（xa1*[A-D]xa1*）',strings) chan=re.sub('(s*[A-D]s*)|(xa1*[A-D]xa1*)|（s*[A-D]s*）|（xa1*[A-D]xa1*）','()',strings) question=open(r'c:question','a+') question.write(chan) question.close() answer=open(r'c:answeronly','a+') for i,a in enumerate(result): m=re.search('[A-D]',a) answer.write(str(i+1)+' '+m.group()+'n') answer.close() chan=re.sub(r'xa3xa8s*[A-D]s*xa3xa9','()',strings) #不要()，容易引起歧义。希望本文所述对大家的Python程序设计有所帮助。
