最近在工作中遇到一个特殊情况，需要大量的读取Word文档（doc文档）中的信息，为了减少工作量，我决定使用Python解决。但是刚刚动手，就出现了一个问题，根据查询，能够读取doc文档的Python库我只找到了win32com，而这个库只能在Windows上执行，我使用的是Linux系统（国产deepin），无法使用。Python-docx库可以在Linux系统上运行，但是只能读取docx文档。所以我决定曲线救国。
既然doc不能读取，那就把doc转换成docx再读取就好了。然而，并没有那么顺利……Python批量转换doc还是需要win32com库……所以还得再曲线一下，我决定看看使用Linux终端能不能解决这个问题。
经过大量查询，我终于确认，使用一个叫libreoffice的软件通过终端可以把doc转换成docx，再通过Python模拟终端操作，不就能批量转换了么，说干就干。
1、安装libreoffice
使用以下命令进行安装
sudo apt install libreoffice
注：我使用的deepin系统已默认安装，不需要重复安装。
使用终端转换需要安装Java，deepin默认未安装，可以在终端执行以下命令安装
sudo apt install
openjdk-8-
jdk
最后，还需要一个插件将libreoffice和java结合起来
sudo apt install libreoffice- java-common
这样，准备工作就完成了。
2、测试运行
soffice --headless --invisible --convert-to docx /test/test.doc
把/test/test.doc替换成你需要测试的文件地址就行了，输出的文件会在相同的文件夹下出现，如果要指定输出位置，在后面加上“--outdir（空格）文件夹地址”就好了。如果到这一步是正常的，那就可以开始接下来的工作了。
注：如果无法正常使用，可以尝试执行以下命令重新安装libreoffice试一试。
sudo apt remove openoffice* libreoffice*
sudo apt install libreoffice*
3、使用Python批量转换
这里涉及到两个库，一个是
subprocess
，一个是os。
代码如下：
import subprocess
import os
def save_doc_to_docx(dir_path, dir_name):
# 注意：这里要用subprocess的run方法，这是Python3.4之后的用法，如果还用之前的方法会报错。
output
= subprocess.run(
[
"soffice"
,
"--headless"
,
"--invisible"
,
"--convert-to"
,
"docx"
,
f
"{dir_path}+{dir_name}"
,
"--outdir"
,
f
"{dir_path}+'docx/'"
])
return
output
path
=
input
(
"
请输入文件夹地址：
"
)
if
path
[
-1
] !=
"/"
:
path
=
path
+
"/"
# 有时候输入地址会漏掉最后一个/，给自己做个补救
for
i
in
os
.listdir(
path
):
if
i.endswith(
'.doc'
)
and
not
i.startswith(
'.~'
):
# 找出doc文件并排除临时文件干扰（Linux的临时文件前是‘.~’,win的是‘～$’）
# 但如果没有开显示隐藏文件的话，转换出来的文件也应该是隐藏的吧，猜测，没试过
save_doc_to_docx(
path
, i)
4、总结
解决这次遇到的问题，是一个学习的过程，通过网络查询了很多知识，丰富了我的知识储备，也提升了我的 偷懒能力 工作效率 。最后，B站什么时候能提升以下专栏编辑的功能，支持下Makedown啥的，写的好累。