MaxKB 之文档处理：doc批量转docx

[炸鱼饼]

1、背景

客户政府行业，文档多为 doc 格式且数量比较多，目前 MaxKB 支持 docx 格式文档导入，一个个改太麻烦，通过 Python 脚本批量转换为 MaxKB 兼容的 docx 格式。

2、实现方式

import os
import sys
import time
from win32com import client as wc
from tqdm import tqdm  # 用于显示进度条，可选
 
 
def doc_to_docx(input_path, output_path):
    """将单个doc文件转换为docx格式"""
    word = None
    try:
        time.sleep(1) # 跑太快，word报错，时间可调整
        word = wc.Dispatch("Word.Application")
        word.Visible = False  # 后台运行
        word.DisplayAlerts = False  # 关闭警告
        doc = word.Documents.Open(os.path.abspath(input_path))
        doc.SaveAs(os.path.abspath(output_path), 16)  # 16表示docx格式
        return True
    except Exception as e:
        print(f"转换错误: {e}")
        return False
    finally:
        if word:
            doc.Close()
            word.Quit()
 
 
def batch_convert_doc_to_docx(directory):
    """批量转换目录下的所有doc文件为docx"""
    directory = os.path.abspath(directory)
    if not os.path.exists(directory):
        print(f"错误：目录不存在 - {directory}")
        return
 
    # 获取目录下所有doc文件（包括子目录）
    doc_files = []
    for root, _, files in os.walk(directory):
        for file in files:
            if file.lower().endswith('.doc'):
                doc_files.append(os.path.join(root, file))
 
    if not doc_files:
        print("该目录下未找到.doc文件")
        return
 
    print(f"找到 {len(doc_files)} 个.doc文件，开始转换...")
 
    # 创建输出目录（如果不存在）
    output_dir = os.path.join(directory, "docx_files")
    os.makedirs(output_dir, exist_ok=True)
 
    # 转换统计
    success_count = 0
    fail_count = 0
 
    # 转换每个文件
    for input_path in tqdm(doc_files, desc="转换进度"):
        try:
            # 保持原始目录结构
            rel_path = os.path.relpath(os.path.dirname(input_path), directory)
            output_subdir = os.path.join(output_dir, rel_path)
            os.makedirs(output_subdir, exist_ok=True)
 
            # 生成输出路径
            filename = os.path.basename(input_path)
            output_filename = os.path.splitext(filename)[0] + ".docx"
            output_path = os.path.join(output_subdir, output_filename)
 
            # 转换文件
            if doc_to_docx(input_path, output_path):
                success_count += 1
            else:
                fail_count += 1
                print(f"转换失败: {filename}")
 
        except Exception as e:
            fail_count += 1
            print(f"\n处理 {filename} 时出错: {e}")
 
    print(f"\n转换完成! 成功: {success_count}, 失败: {fail_count}")
    print(f"结果已保存到: {output_dir}")
 
 
if __name__ == "__main__":
    # 获取用户输入或使用当前目录
    if len(sys.argv) > 1:
        directory = sys.argv[1]
    else:
        directory = input("请输入文档目录路径: ").strip('"')
 
    batch_convert_doc_to_docx(directory)

三、效果