使用 zipfile 库解压缩 .docx 文件

Question

我正在尝试编写一个应用程序，从 word docx 文件中的 table 获取信息，以便通过将其转换为 pandas DataFrame 对其进行一些分析。第一步是正确阅读 docx 文件，为此，我遵循 Virantha Ekanayake 的 Reading and writing Microsoft Word docx files with Python.

指南

我正处于第一步，他们说要使用 zipfile 库的 Zipfile 方法将 docx 文件解压缩到 xml 文件中。我将指南中的函数定义改编为我的代码（下面包含的代码），但是当我运行我的代码时，我收到一条错误消息，指出 docx 文件“不是 zip 文件”。

指南中的这个人说，“本质上，docx 文件只是一个 zip 文件（尝试运行解压它！）……”我试过将 docx 文件重命名为zip 文件，并使用 WinZip 成功解压缩。但是，在我的程序中，我希望能够解压缩 docx 文件，而不必手动将其重命名为 .zip 文件。我能以某种方式解压缩 docx 文件而不重命名它吗？或，如果我必须重命名它才能使用Zipfile方法，我该如何在我的python代码?

import zipfile
from lxml import etree
import pandas as pd

FILE_PATH = 'C:/Users/user/Documents/Python Project'

class Application():
    def __init__(self):
        #debug print('Initialized!')
        xml_content = self.get_word_xml(f'{FILE_PATH}/DocxFile.docx') 
        xml_tree = self.get_xml_tree(xml_content)

    def get_word_xml(self, docx_filename):
        with open(docx_filename) as f:
            zip = zipfile.ZipFile(f)
            xml_content = zip.read('word/document.xml')
        return xml_content

    def get_xml_tree(self, xml_string):
        return (etree.fromstring(xml_string))

a = Application()
a.mainloop()

错误：

Traceback (most recent call last):
File "C:\Users\user\Documents\New_Tool.py", line 39, in <module>
a = Application()
File "C:\Users\user\Documents\New_Tool.py", line 27, in __init__
xml_content = self.get_word_xml(f'{FILE_PATH}/DocxFile.docx')
File "C:\Users\user\Documents\New_Tool.py", line 32, in get_word_xml
zip = zipfile.ZipFile(f)
File "C:\Progra~1\Anaconda3\lib\zipfile.py", line 1222, in __init__
self._RealGetContents()
File "C:\Progra~1\Anaconda3\lib\zipfile.py", line 1289, in _RealGetContents
raise BadZipFile("File is not a zip file")
zipfile.BadZipFile: File is not a zip file

Answer 1

以二进制模式打开文件：

with open(docx_filename, 'rb') as f:

使用 zipfile 库解压缩 .docx 文件

Unzipping a .docx file using zipfile library

python

python-3.7

docx

python-zipfile