本文实例讲述了python读取word文档的方法。分享给大家供大家参考。具体如下：

首先下载安装win32com

from win32com import client as wc
word = wc.Dispatch(\'Word.Application\')
doc = word.Documents.Open(\'c:/test\')
doc.SaveAs(\'c:/test.text\', 2)
doc.Close()
word.Quit()

这种方式产生的text文档，不能用python用普通的r方式读取，为了让python可以用r方式读取，应当写成

doc.SaveAs(\'c:/test\', 4)

注意：系统执行完成后，会自动产生文件后缀txt（虽然没有指明后缀）。
在xp系统下面，应当，

open(r\'c:\\text\',\'r\')
wdFormatDocument = 0
wdFormatDocument97 = 0
wdFormatDocumentDefault = 16
wdFormatDOSText = 4
wdFormatDOSTextLineBreaks = 5
wdFormatEncodedText = 7
wdFormatFilteredHTML = 10
wdFormatFlatXML = 19
wdFormatFlatXMLMacroEnabled = 20
wdFormatFlatXMLTemplate = 21
wdFormatFlatXMLTemplateMacroEnabled = 22
wdFormatHTML = 8
wdFormatPDF = 17
wdFormatRTF = 6
wdFormatTemplate = 1
wdFormatTemplate97 = 1
wdFormatText = 2
wdFormatTextLineBreaks = 3
wdFormatUnicodeText = 7
wdFormatWebArchive = 9
wdFormatXML = 11
wdFormatXMLDocument = 12
wdFormatXMLDocumentMacroEnabled = 13
wdFormatXMLTemplate = 14
wdFormatXMLTemplateMacroEnabled = 15
wdFormatXPS = 18

照着字面意思应该能对应到相应的文件格式，如果你是office 2003可能支持不了这么多格式。word文件转html有两种格式可选wdFormatHTML、wdFormatFilteredHTML（对应数字 8、10），区别是如果是wdFormatHTML格式的话，word文件里面的公式等ole对象将会存储成wmf格式，而选用 wdFormatFilteredHTML的话公式图片将存储为gif格式，而且目测可以看出用wdFormatFilteredHTML生成的HTML 明显比wdFormatHTML要干净许多。

当然你也可以用任意一种语言通过com来调用office API，比如PHP.

from win32com import client as wc
word = wc.Dispatch(\'Word.Application\')
doc = word.Documents.Open(r\'c:/test1.doc\')
doc.SaveAs(\'c:/test1.text\', 4)
doc.Close()

import re
strings=open(r\'c:\\test1.text\',\'r\').read()
result=re.findall(\'\\(\\s*[A-D]\\s*\\)|\\(\\xa1*[A-D]\\xa1*\\)|\\（\\s*[A-D]\\s*\\）|\\（\\xa1*[A-D]\\xa1*\\）\',strings)
chan=re.sub(\'\\(\\s*[A-D]\\s*\\)|\\(\\xa1*[A-D]\\xa1*\\)|\\（\\s*[A-D]\\s*\\）|\\（\\xa1*[A-D]\\xa1*\\）\',\'()\',strings)
question=open(r\'c:\\question\',\'a+\')
question.write(chan)
question.close()
answer=open(r\'c:\\answeronly\',\'a+\')
for i,a in enumerate(result):
 m=re.search(\'[A-D]\',a)
 answer.write(str(i+1)+\' \'+m.group()+\'\\n\')
answer.close()
chan=re.sub(r\'\\xa3\\xa8\\s*[A-D]\\s*\\xa3\\xa9\',\'()\',strings)
#不要()，容易引起歧义。

希望本文所述对大家的Python程序设计有所帮助。