Python 讀取 Word 文檔的實戰方法：win32com 自動化與格式轉換

前置準備

安裝 pywin32：pip install pywin32。需在安裝了 Microsoft Word 的 Windows 環境下運行。

基本轉換腳本

from win32com import client as wc

word = wc.Dispatch('Word.Application')
doc = word.Documents.Open(r'c:\test.doc')
doc.SaveAs(r'c:\test.txt', 4)  # 4 = wdFormatText
doc.Close()
word.Quit()

關鍵點：SaveAs 參數 4 生成純文本，便於 Python 以 open(..., 'r') 讀取。若用 2 (wdFormatText 另一種編碼) 可能讀取失敗。

常用保存格式常量

wdFormatText = 2
wdFormatDOSText = 4
wdFormatUnicodeText = 7
wdFormatHTML = 8
wdFormatFilteredHTML = 10  # 更乾淨，公式存為 GIF
wdFormatPDF = 17
wdFormatRTF = 6
# ... 更多見代碼

建議：HTML 輸出優先用 wdFormatFilteredHTML (10)，代碼更乾淨，公式圖片為 GIF 而非 WMF。

完整示例：提取試題與答案

import re
from win32com import client as wc

word = wc.Dispatch('Word.Application')
doc = word.Documents.Open(r'c:\test1.doc')
doc.SaveAs(r'c:\test1.txt', 4)
doc.Close()

strings = open(r'c:\test1.txt', 'r').read()
# 正則提取選項並替換為 ()
result = re.findall(r'(\s*[A-D]\s*)|(\xa1*[A-D]\xa1*)|（\s*[A-D]\s*）|（\xa1*[A-D]\xa1*）', strings)
chan = re.sub(r'(\s*[A-D]\s*)|(\xa1*[A-D]\xa1*)|（\s*[A-D]\s*）|（\xa1*[A-D]\xa1*）', '()', strings)

with open(r'c:\question', 'a+') as qf:
    qf.write(chan)
with open(r'c:\answeronly', 'a+') as af:
    for i, a in enumerate(result):
        m = re.search('[A-D]', a)
        af.write(f'{i+1} {m.group()}\n')

注意事項

• Word COM 自動化需桌面交互權限，服務端部署需配置 DCOM 權限；
• 大批量處理建議使用 python-docx（純 Python 解析 .docx）或 LibreOffice 無頭模式轉換；
• 文件路徑使用原始字符串 r'...' 避免轉義問題。