将.doc文件大量转换为.docx
将.doc文件大量转换为.docx
提问于 2022-11-21 16:11:43
我有大约120万个.doc文件(大约50 of大)，需要转换到.docx。到目前为止，我尝试通过win32com接口为Python使用Word，但它真的很慢(每秒1-2个文件)。有什么更快的方法来实现这一点吗？
编辑:到目前为止使用的im代码：
def convert_doc_to_docx():
dir = "sampledir"
word = win32com.client.Dispatch("Word.Application")
word.visible = 0
globData = glob.iglob(dir + "*.doc")
totalFiles = len([name for name in os.listdir(dir) if os.path.isfile(os.path.join(dir, name))])
for i, doc in enumerate(globData):
in_file = os.path.abspath(doc)
wb = word.Documents.Open(in_file)
out_file = os.path.abspath(doc + "x")
wb.SaveAs2(out_file, FileFormat=16) # file format for docx
wb.Close()
os.remove(in_file)
print(f"{i+1} von {totalFiles} Dateien bearbeitet!")
word.Quit()回答 1
Stack Overflow用户
发布于 2022-11-21 20:04:33
正如其他评论者所建议的，wordconv似乎是一个很好的解决方案，而且比使用win32com快得多。对于1700个文件，传输时间为~389秒，或约为每个对象~.21秒。这一次在很大程度上取决于您的系统硬件，因为它涉及大量的读写操作以及一些转换的处理能力。我基本上用完了16 gen的内存和一个旧的6代i7。使用HDD可能会使它慢很多。即使以.21秒为单位，也要花费大约70个小时(如果它与我的机器上的速度相似的话)。但这是一个巨大的提高，每物体1-2秒，是10倍的长度。
我使用subprocess.Popen()在for循环中运行命令C:\\Program Files\\Microsoft Office\\root\\Office16\\Wordconv.exe -oice -nme srcfile dstfile。
虽然调用子进程的推荐方法是subprocess.run()，但我使用了subprocess.Popen()，因为它不会等到进程完成后再继续。也许也有一种方法可以用subprocess.run来实现这一点，但我对它还不太熟悉。(也许有人能对此提供反馈)
import os
import subprocess
from timeit import default_timer as timer
def convert_doc_to_docx():
src_dir = r"c:\Users\myuser\test"
out_dir = "c:\\Users\\myuser\\test\\dst\\"
all_files = [name for name in os.listdir(src_dir) if os.path.isfile(os.path.join(src_dir, name))]
file_count = len(all_files)
# change according to where "WordConv.exe" is located on your system
path_to_wordconv = "C:\\Program Files\\Microsoft Office\\root\\Office16\\Wordconv.exe"
print(f"Source dir file count: {file_count}")
start = timer()
for file in all_files:
in_file_path = os.path.join(src_dir, file)
out_file_path = out_dir + file + "x"
# this will get process intensive
subprocess.Popen([f"{path_to_wordconv}","-oice","-nme",f"{in_file_path}",f"{out_file_path}"])
end = timer()
count_output_dir = len([name for name in os.listdir(out_dir) if os.path.isfile(os.path.join(out_dir, name))])
elapsed_time = end-start
time_object = elapsed_time / count_output_dir
print(f"Elapsed time: {elapsed_time} second")
print(f"Time per object: {time_object} second")
return
convert_doc_to_docx()输出
Source dir file count: 1728
Elapsed time: 369.7448267 second
Time per object: 0.21397270063657406 second页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/74521779
复制相关文章
相似问题
腾讯云开发者
