python将word转换成html_python如何实现word批量转HTML

现在我们谈谈怎样把Word文档里的内容改写成HTML文件格式。接下来我们具体了解一下。

准备工作

使用类库，安装方法（使用pip进行安装），命令如下：

pip install python-docx

类编程客栈库介绍

docx文件处理工具能够用来建立和修改word文档。它具备多种对文档的功能。诸如开启文档、输入文字、设定文字格式、分析文档、获取文档信息等。这是一款专门为word设计的实用程序。

说代码

现在来谈谈代码相关的事宜，先有一个说明，主要是提及到代码工具在网络上被贩卖的情况，因此补充了相关说明。

1、通过os类库，获取当前目录下的所有文件信息

# 当前目录下的文件
file_path = os.getcwd()
print("当前位置：%s" % file_path)

运用函数来提取信息，接着检查文件夹里的文件，仅选取扩展名为.docx的文档

data = []
通过遍历指定目录，逐个访问其内部所有文件和子目录，按照自下而上的顺序进行操作
for name in files:
f_p是将root和name组合后的路径，其中反斜杠被替换成了正斜杠
文件类型通过os.path.splitext函数获取，参数为f_p
if file_type[1] == '.docx':
if " " in file_type[0]:
重命名文件，将原文件名中的空格全部删除，得到新文件名，并以此作为目标文件名进行操作
f_p = f_p.replace(" ", "")
data.append(f_p)
return data

此处为编程客栈，我们执行了判定动作，目的是避免文件名包含空白字符的情况，因为在测试环节发现，带有空白字符的文档名无法定位到对应文件。

3、判断数据情况

if not fjsile_array:
print("此目录下无docx格式word文件")
# 开始转换
print("开始转换")
for v in file_array:
main(v)

若当前文件夹内没有相应文件，程序便立刻终止运行，不再继续后续操作。

4、开始转换

这里我们使用的是在3中循环调用方法，下面看一下代码

html = PyDocX.to_html(v)
fiwww.cppcns.comle_name = os.path.splitext(v)
f是打开文件操作，文件名是file_name列表第一个元素组成的字符串，后缀是html，模式是写入，编码格式是utf-8
f.write(html)
f.close()

转换过程十分简便，相关类库已提供现成功能，我们仅需执行相应操作即可。我选择维持原word文档的名称来创建html文档。这种方式有助于后续检索。

实际上，此处并非必须生成文件，可以直接将获取的数据信息存储进数据库，然后在网页上直接呈现出来。