自己动手做一个批量doc转换为docx文件的小工具

前言

最近遇到了一个需求,就是要把大量的doc格式文件转换为docx文件,因此就动手做了一个批量转换的小工具。

背景

doc文件是什么?

"doc" 文件是一种常见的文件格式,通常用于存储文本文档。它是 Microsoft Word 文档的文件扩展名。"doc" 是 "document" 的缩写,表示这是一个文档文件。这种文件格式通常包含文本、图像、表格、图形等内容,可以使用 Microsoft Word 或其他兼容的文字处理软件进行打开和编辑。

docx文件是什么?

"docx" 文件是 Microsoft Word 2007 及更高版本中使用的文档文件格式的扩展名。它是 Office Open XML (OOXML) 标准的一部分,是一种基于 XML 的开放标准格式,用于存储文本文档、图像、表格、图形等内容。与早期的 ".doc" 格式相比,".docx" 格式具有更高的兼容性和可扩展性,并且文件大小通常更小。由于其开放的特性,许多其他文字处理软件也支持 ".docx" 格式。

为什么要将doc文件转化为docx文件?

将 ".doc" 文件转换为 ".docx" 文件的主要原因包括:

  1. 更先进的格式:".docx" 使用 Office Open XML 格式,这是一种更现代、更有效的文件格式。它采用了基于 XML 的结构,使得文件更容易解析和处理,同时也提供了更好的兼容性和可扩展性。
  2. 减小文件大小:由于 ".docx" 文件采用了更高效的压缩技术和文件结构,相比 ".doc" 文件通常会更小,这对于存储和传输文件是有利的。
  3. 兼容性:许多最新版本的文字处理软件更支持 ".docx" 格式,而较旧的 ".doc" 格式可能会在一些软件中出现兼容性问题。将文件转换为 ".docx" 格式可以确保在不同平台和软件中的良好兼容性。
  4. 格式稳定性:".docx" 格式的结构更加稳定,不容易出现文件损坏或格式错误的问题,从而提高了文档的可靠性。

综上所述,将 ".doc" 文件转换为 ".docx" 文件可以提高文件的效率、兼容性和稳定性,是一种值得推荐的做法。

实践

方案使用C#通过Microsoft Office Interop实现将.doc文件转换为.docx文件。

添加引用:

image-20240313204705350

前提是需要电脑上安装有word。

页面设计如下所示:

image-20240319211338214

选择doc文件所在的文件夹:

   // 创建一个新的FolderBrowserDialog
   FolderBrowserDialog folderBrowserDialog = new FolderBrowserDialog();

   // 设置FolderBrowserDialog的属性
   folderBrowserDialog.Description = "请选择待转换的doc文件所在的文件夹";

   // 显示FolderBrowserDialog,并获取结果
   if (folderBrowserDialog.ShowDialog() == DialogResult.OK)
   {          
       docFolderPath = folderBrowserDialog.SelectedPath;
       richTextBox1.Text += $"你选择的待转换的doc文件所在的文件夹是:{docFolderPath}\r\n";
   }

选择保存docx文件的文件夹:

 // 创建一个新的FolderBrowserDialog
 FolderBrowserDialog folderBrowserDialog = new FolderBrowserDialog();

 // 设置FolderBrowserDialog的属性
 folderBrowserDialog.Description = "请选择保存docx文件的文件夹";

 // 显示FolderBrowserDialog,并获取结果
 if (folderBrowserDialog.ShowDialog() == DialogResult.OK)
 {
     // 用户已选择一个文件夹,可以通过folderBrowserDialog.SelectedPath获取所选文件夹的路径
     docxFolderPath = folderBrowserDialog.SelectedPath;
     richTextBox1.Text += $"你选择的保存docx文件的文件夹是:{docFolderPath}\r\n";
 }

开始转换按钮事件处理函数:

 if (docFolderPath == null || docxFolderPath == null)
 {
     MessageBox.Show("请先选择doc文件所在的文件夹与保存docx文件的文件夹");
 }
 else
 {

     await DocToDocx();
 }

为了避免阻塞界面,使用了异步方法。

DocToDocx方法如下所示:

  public async System.Threading.Tasks.Task DocToDocx()
  {
      // 使用Task.Run来启动一个新的异步任务
      await System.Threading.Tasks.Task.Run(() =>
      {
          // 创建 Word 应用程序实例
          Microsoft.Office.Interop.Word.Application wordApp = new Microsoft.Office.Interop.Word.Application();
       
          int i = 1;             
          // 遍历所有.doc文件
          foreach (string docFile in GetFiles(docFolderPath, "*.doc"))
          {
              // 打开输入的 .doc 文件
              Document doc = wordApp.Documents.Open(docFile);

              // 获取不带扩展名的文件名
              string fileNameWithoutExtension = Path.GetFileNameWithoutExtension(docFile);

              // 将扩展名改为.docx
              string docxFileName = Path.ChangeExtension(fileNameWithoutExtension, ".docx");

              string docxFilePath = Path.Combine(docxFolderPath, docxFileName);

              // 将 .doc 文件保存为 .docx 格式
              doc.SaveAs2(docxFilePath, WdSaveFormat.wdFormatXMLDocument);

              // 关闭 .doc 文件
              doc.Close();

              // 释放 Document 对象的资源
              System.Runtime.InteropServices.Marshal.ReleaseComObject(doc);

              // 使用Invoke方法来更新richTextBox1
              richTextBox1.Invoke((Action)(() =>
              {
                  richTextBox1.Text += $"第{i}个文件:{docFile}转换完成 {DateTime.Now}\r\n";

                  // 设置插入点到文本的最后
                  richTextBox1.SelectionStart = richTextBox1.Text.Length;

                  // 滚动到插入点
                  richTextBox1.ScrollToCaret();
              }));

              i++;
          }

          // 退出 Word 应用程序
          wordApp.Quit();

          // 释放资源
          System.Runtime.InteropServices.Marshal.ReleaseComObject(wordApp);
     
          // 使用Invoke方法来更新richTextBox1
          richTextBox1.Invoke((Action)(() =>
          {
              richTextBox1.Text += $"转换完成 {DateTime.Now}\r\n";
          }));
      });         

GetFiles方法如下所示:

   // 这个方法返回一个IEnumerable<string>,表示文件的路径
  public IEnumerable<string> GetFiles(string path, string searchPattern)
  {
      // 获取文件夹下的所有文件
      string[] files = Directory.GetFiles(path, searchPattern);

      // 遍历所有文件
      foreach (string file in files)
      {
          // 返回当前文件
          yield return file;
      }
  }

这里使用了yield关键字,使用yield的好处如下:

  1. 延迟执行:迭代器的执行会被延迟,直到迭代器被消费时才开始。这意味着如果你有一个大的数据集合需要处理,但并不需要立即处理所有数据,那么使用yield可以帮助你节省内存和计算资源。
  2. 简化代码:yield可以使你的代码更简洁,更易于阅读和理解。你不需要创建一个临时的集合来存储你的结果,而是可以直接使用yield return来返回结果。
  3. 无需一次性生成所有结果:当处理大量数据时,一次性生成所有结果可能会消耗大量内存。使用yield可以在每次迭代时只生成一个结果,从而节省内存。

实现原理其实很简单,就是用新版本的word打开再保存就行了。

 // 打开输入的 .doc 文件
 Document doc = wordApp.Documents.Open(docFile);

 // 获取不带扩展名的文件名
 string fileNameWithoutExtension = Path.GetFileNameWithoutExtension(docFile);

 // 将扩展名改为.docx
 string docxFileName = Path.ChangeExtension(fileNameWithoutExtension, ".docx");

 string docxFilePath = Path.Combine(docxFolderPath, docxFileName);

 // 将 .doc 文件保存为 .docx 格式
 doc.SaveAs2(docxFilePath, WdSaveFormat.wdFormatXMLDocument);

 // 关闭 .doc 文件
 doc.Close();

 // 释放 Document 对象的资源
 System.Runtime.InteropServices.Marshal.ReleaseComObject(doc);

需要转换的doc文件所在的文件夹:

image-20240320160856832

软件使用截图:

image-20240320163426589

实现效果:

image-20240320163450275

实现了批量doc文件转换为docx文件。

如果不熟悉C#也可以通过Python实现。

以下是一个文件转换的示例代码,经过测试可行:

import os
import win32com.client

def convert_doc_to_docx(doc_path):
    # 创建Word应用程序对象
    word = win32com.client.Dispatch("Word.Application")

    # 打开.doc文件
    doc = word.Documents.Open(doc_path)

    # 设置新的文件路径
    docx_path = os.path.splitext(doc_path)[0] + ".docx"

    # 保存文件为.docx格式
    doc.SaveAs(docx_path, FileFormat=16)  # 16 represents wdFormatXMLDocument

    # 关闭文档
    doc.Close()

    # 关闭Word应用程序
    word.Quit()

# 使用函数
convert_doc_to_docx("Path")

由于时间精力有限,没有写成批量处理的形式。

还有一种方案就是在word里写VBA。

采用哪种方案可以根据自己的熟练度。

上一篇:python接口自动化正则表达式


下一篇:母婴类目电商平台数据分析