python 解析 word 的 doc 格式，有什么好办法?

[alfer]

方案一： python 解析 docx 格式支持良好但对 doc 格式支持很差，故希望 doc 转为 docx 格式，有什么好办法？ 方案二：将 doc 转为 html 格式，然后解析 html ，测试后发现如果数据量大了支持也不好 大家有什么好办法吗？

注：有近 1w 个*.doc 文档，每个文档 100Mz 左右

[vicalloy]

是需要提取 doc 里的内容？
https://github.com/dagwieers/unoconv 用这个可以将 doc 转成 html 或 docx 。

[alfer]

@vicalloy 提取 word 中的表格

[contractswif]

py 通过 office 之类的软件打开 doc ，转换成 docx ，然后自由发挥。这样呢？

[contractswif]

之前转换了 2000 多个 doc 入 pdf 用的这种方式

[xuboying]

这种特殊需求还不如现学 VBA 三下五除二，别信 Python 的唯有唯一正确解的梦话。 Perler 说过黑猫白猫，都是好猫

[zungmou]

用 c#调用 office 接口操作 word 进行解析，应该很容易。