在试图打开docx文档内容时，以为可以向读取txt文档一样，于是写下了下面的代码
with open('C:\\Users\\Administrator\\Desktop\\案例二.docx','r')as f:
contents = f.read()
print(contents)
结果遇上报错：UnicodeDecodeError: ‘gbk’ codec can’t decode byte 0xe3 in position 55: illegal multibyte sequence
解决方法一：
一看，编码错误，祖传方法encoding=’utf-8‘’百试百灵的修改
with o
2021-10-06 23:25:43
143KB
1
前言
最近有一个case。需要去解析word文档。有两个需求，一个是将word文档转成PDF，一个是将word文档中的内容按照一定的规范读取到数据库中，去npm仓库找了大概有十几个包，发现主要是通过以下的方式来转换代码。
通过调用系统底层程序（比如说office）的API来转换；
通过模板，替换数据来实现生成PDF；
通过有些免费将word转成PDF的网站来实现将word转成PDF，比如docx-to-pdf；
后来退而求其次，想通过先将docx转成文字，发现了个textract的包。
当然也有缺点，不支持docx中的标题号，不支持图片等文件。
不怕死的我决定自己干这件事情。
介
2021-06-01 11:30:26
84KB
1