### 使用 Python 遍历文件夹中的所有 .doc 文件并提取文本 为了完成这一任务，可以利用 `os` 和 `python-docx` 库来遍历文件夹以及读取 `.doc` 或者更常见的是 `.docx` 文件的内容。对于旧版的 `.doc` 文件可能需要额外安装库如 `pywin32` 来通过 COM 接口操作 Word 文档。 以下是具体实现方法： #### 安装所需依赖包 首先确保已经安装了必要的 Python 包： ```bash pip install python-docx pywin32 ``` #### 编写脚本以递归方式查找所有的 `.doc` 文件并将它们转换成字符串形式的文字内容 ```python import os from docx import Document # For handling .docx files directly. import win32com.client as win32 # To handle legacy .doc format. def convert_doc_to_text(doc_path): word = win32.Dispatch('Word.Application') doc = word.Documents.Open(doc_path) text = '\n'.join([paragraph.Range.Text for paragraph in doc.Paragraphs]) doc.Close() word.Quit() return text.strip() def read_docx(file_path): document = Document(file_path) fullText = [] for para in document.paragraphs: fullText.append(para.text) return '\n'.join(fullText) def traverse_folder(folder_path): texts = {} for root, dirs, files in os.walk(folder_path): for name in files: if name.lower().endswith('.doc'): path = os.path.join(root, name) try: content = convert_doc_to_text(path)[^1] texts[name] = content except Exception as e: print(f"Failed to process {path}: {e}") elif name.lower().endswith('.docx'): path = os.path.join(root, name) try: content = read_docx(path)[^4] texts[name] = content except Exception as e: print(f"Failed to process {path}: {e}") return texts if __name__ == "__main__": folder_path = 'your/folder/path' # Replace with your target directory here. all_texts = traverse_folder(folder_path) for filename, text in all_texts.items(): print(f"\n--- Content of '{filename}' ---\n{text}\n") ``` 此代码片段展示了如何使用不同的函数分别处理 `.doc` 和 `.docx` 文件，并且能够递归地访问给定路径下的每一个子目录及其内部的所有文档。