import docx

import zipfile

import os

import shutil

'''读取word中的文本'''

def gettxt():

    file=docx.Document("gao.docx")

    print("段落数:"+str(len(file.paragraphs)))#段落数为13，每个回车隔离一段

    #输出每一段的内容

    # for para in file.paragraphs:

    #     print(para.text)

    #输出段落编号及段落内容

    for i in range(len(file.paragraphs)):

        if len(file.paragraphs[i].text.replace(' ',''))>4:

            print("第"+str(i)+"段的内容是："+file.paragraphs[i].text)

'''读取word中的table''' 

def gettable():

    doc = docx.Document('word.docx')

    for table in doc.tables:  # 遍历所有表格

        print ('----table------')

        for row in table.rows:  # 遍历表格的所有行

            # row_str = '\t'.join([cell.text for cell in row.cells])  # 一行数据

            # print row_str

            for cell in row.cells:

                print (cell.text, '\t')

'''获取解压后的文件信息'''
def getinfo(wordfile):

    f=zipfile.ZipFile(wordfile,'r')

    for filename in f.namelist():

        f.extract(filename)

        print(filename)

'''

输出解压后的信息：

_rels/

_rels/.rels

customXml/

customXml/_rels/

customXml/_rels/item1.xml.rels

customXml/_rels/item2.xml.rels

customXml/item1.xml

customXml/item2.xml

customXml/itemProps1.xml

customXml/itemProps2.xml

docProps/

docProps/app.xml

docProps/core.xml

docProps/custom.xml

docProps/thumbnail.wmf

word/

word/_rels/

word/_rels/document.xml.rels

word/document.xml

word/fontTable.xml

word/media/

word/media/image1.jpeg

word/numbering.xml

word/settings.xml

word/styles.xml

word/theme/

word/theme/theme1.xml

'''

'''

------获取图：

word文档的路径

zip压缩文件的路径

临时解压的tmp路径

最后需要保存的store_path路径

'''

def getpic(path, zip_path, tmp_path, store_path):

    '''

    :param path:源文件

    :param zip_path:docx重命名为zip

    :param tmp_path:中转图片文件夹

    :param store_path:最后保存结果的文件夹（需要手动创建）

    :return:

    '''

    '''=============将docx文件重命名为zip文件===================='''

    os.rename(path, zip_path)

    # 进行解压

    f = zipfile.ZipFile(zip_path, 'r')

    # 将图片提取并保存

    for file in f.namelist():

        f.extract(file, tmp_path)

    # 释放该zip文件

    f.close()

    '''=============将docx文件从zip还原为docx===================='''

    os.rename(zip_path, path)

    # 得到缓存文件夹中图片列表

    pic = os.listdir(os.path.join(tmp_path, 'word/media'))

    '''=============将图片复制到最终的文件夹中===================='''

    for i in pic:

        # 根据word的路径生成图片的名称

        new_name = path.replace('\\', '_')

        new_name = new_name.replace(':', '') + '_' + i

        shutil.copy(os.path.join(tmp_path + '/word/media', i), os.path.join(store_path, new_name))

    '''=============删除缓冲文件夹中的文件，用以存储下一次的文件===================='''

    for i in os.listdir(tmp_path):

        # 如果是文件夹则删除

        if os.path.isdir(os.path.join(tmp_path, i)):

            shutil.rmtree(os.path.join(tmp_path, i))

if __name__ == '__main__':

    # 源文件

    path = r'E:\dogcat\提取图片\log.docx'

    # docx重命名为zip

    zip_path = r'E:\dogcat\提取图片\log.zip'

    # 中转图片文件夹

    tmp_path = r'E:\dogcat\提取图片\tmp'

    # 最后保存结果的文件夹

    store_path = r'E:\dogcat\提取图片\测试'

    m = getpic(path, zip_path, tmp_path, store_path)

def docTTTTTdocx(doc_name, docx_name):    
　　try:

        # 首先将doc转换成docx

        word = client.Dispatch("Word.Application")

        doc = word.Documents.Open(doc_name)

        # 使用参数16表示将doc转换成docx

        doc.SaveAs(docx_name, 16)

        doc.Close()

        word.Quit()

    except:

        pass

这里如果转换不成功，可能是路径的问题，把doc_name换成完整路径，如下：

from win32com.client import Dispatch

def docToDocxR(docPath, docxPath):
    '''将doc转存为docx'''
    word = Dispatch('Word.Application')
    pathPrefix = sys.path[0]+'\\'
    print(pathPrefix)
    doc = word.Documents.Open(pathPrefix+docPath)
    doc.SaveAs(pathPrefix+docxPath, FileFormat=12)
    doc.Close()
    word.Quit()