Python: MS Word ファイルからテキストファイルへ変換

2012/5/14 2019/3/4 Python

COM(Component Object Model)を使用してWordファイル内のテキストをテキストファイルへ抽出・変換するスクリプト。

ソースコード

# coding: utf-8
import fnmatch, os, sys, win32com.client
if __name__ == '__main__':
	wa = win32com.client.gencache.EnsureDispatch("Word.Application")
	try:
		for path, dirs, files in os.walk(sys.argv[1]): # コマンドラインより探索ディレクトリpathを取得
			for filename in files:
				if not fnmatch.fnmatch(filename, "*.doc"): continue # wordファイルの拡張子かをパターン・マッチング
				doc = os.path.abspath(os.path.join(path, filename)) # wordファイルへの絶対パスを作成
				print "processing %s in %s" % (doc, path)
				wa.Documents.Open(doc)
				txt = doc[:-3] + 'txt' # 変換保管するテキストファイル名
				wa.ActiveDocument.SaveAs(txt, FileFormat=win32com.client.constants.wdFormatText)
				wa.ActiveDocument.Close()
	finally:
		wa.Quit() # Wordの終了

実行結果

上記のソースコードをwordtotext.pyで保管し実行。ここでは当方環境でWordファイルが保管されているディレクトリを指定し、実行する。

>python wordtotext.py "C:\Users\yukun\Google Drive\E-mail_Writing_Text"
processing C:\Users\yukun\Google Drive\E-mail_Writing_Text\Yukun Homework Package 1.doc in C:\Users\yukun\Google Drive\E-mail_Writing_Text
processing C:\Users\yukun\Google Drive\E-mail_Writing_Text\Yukun Homework Package 2.doc in C:\Users\yukun\Google Drive\E-mail_Writing_Text
processing C:\Users\yukun\Google Drive\E-mail_Writing_Text\Yukun Homework Package 3.doc in C:\Users\yukun\Google Drive\E-mail_Writing_Text
processing C:\Users\yukun\Google Drive\E-mail_Writing_Text\Yukun Homework Package 4.doc in C:\Users\yukun\Google Drive\E-mail_Writing_Text
processing C:\Users\yukun\Google Drive\E-mail_Writing_Text\Yukun Homework Package 5.doc in C:\Users\yukun\Google Drive\E-mail_Writing_Text
processing C:\Users\yukun\Google Drive\E-mail_Writing_Text\Yukun Homework Package 6.doc in C:\Users\yukun\Google Drive\E-mail_Writing_Text

◯実行前ディレクトリ

◯実行後ディレクトリ