本文介绍用Python简单读取*.docx文件信息，一些python-word库就是对这种方法的扩展。
介绍分两部分：
Word(*.docx)文件简述Python提取Word信息
Word(*.docx)文件简述
大约在2008年以前，Office产品中Word用.doc文件格式，这种二进制格式很难与其他软件兼容。 为了跟上时代，微软采用类XML格式标准定义其新版Word文件.docx。 .docx实际上是一个zip的压缩文件，比如我们有一个test.docx的文件： 其内容如下： 改变其后缀名为test.zip，然后解压，会得到如下文件： 其中Word文件的正文内容被保持在word/document.xml中，我们可以打开查看：
Python提取Word信息
根据Word（.docx）文件格式，我们遵循如下步骤进行正文信息的提取： 1 解压.docx文件 2 用BeautifulSoup解析word/document.xml提取正文信息
具体代码如下：
from zipfile
import ZipFile
from bs4
import BeautifulSoup
document=ZipFile(
'test.docx')
xml=document.read(
"word/document.xml")
wordObj=BeautifulSoup(xml.decode(
"utf-8"))
texts=wordObj.findAll(
"w:t")
for text
in texts:
print(text.text)
