python - MS Word Scraping 适用于 docx 但不适用于 doc 文件

Question

我有以下代码正在查看多个单词文件，并将所有文本拉到每个文件的一行中。这适用于 docx 文件，但不适用于 doc

错误：

    raise PackageNotFoundError(
docx.opc.exceptions.PackageNotFoundError: Package not found at 'C:\Users\xxx\sample.doc'

for w in wrd:
    doc = docx.Document(os.path.join(resumes, w))
    result = [p.text for p in doc.paragraphs]
    result = ':::'.join(result)
    files.append(w)
    text.append(result)

标签： pythonpython-docx

Answer 1

python-docx仅适用于 Word 2007+.docx文件。这些文件是 XML 文件（称为“部分”）的 zip 存档。旧版.doc格式是二进制格式，完全不同。.doc据我所知，没有用于读取旧格式的 Python 包。