Python 3.x 在windows 10上读取python中的.doc文件

注意：这被标记为的潜在副本，但我的问题是使用textract不起作用。我正在寻找（a）一种让textract在windows 10上工作的方法，或者（b）另一种解决方案

我正在构建一个需要读取各种类型文件的系统。我已经设置了pdfminer来读取.pdfs，并根据所述的过程安装了textract，现在我还可以读取.docx文件。然而，textract依赖antiword来读取.doc文件，我无法让它工作，即使按照说明操作，我也无法找到并安装antiword的工作版本。我的机器上没有安装microsoft word，我正在使用python 3.6.5运行windows 10。有没有其他方法读取.doc文件

下面是运行textract.process（'d.doc'）时出现的错误（忽略第一个错误，文件肯定存在）：

回溯（最近一次呼叫最后一次）：
文件“C:\ProgramData\Anaconda3\lib\site packages\textract\parsers\utils.py”，第84行，正在运行
stdout=subprocess.PIPE，stderr=subprocess.PIPE，
文件“C:\ProgramData\Anaconda3\lib\subprocess.py”，第709行，在\uuu init中__
恢复信号，启动新会话）
文件“C:\ProgramData\Anaconda3\lib\subprocess.py”，第997行，在_execute_child中
startupinfo）
FileNotFoundError:[WinError 2]系统找不到指定的文件
在处理上述异常期间，发生了另一个异常：
回溯（最近一次呼叫最后一次）：
文件“”，第1行，在
文件“C:\ProgramData\Anaconda3\lib\site packages\textract\parsers\\uuuu init\uuuu.py”，第77行，正在处理中
返回parser.process（文件名，编码，**kwargs）
文件“C:\ProgramData\Anaconda3\lib\site packages\textract\parsers\utils.py”，第46行，正在处理中
byte_string=self.extract（文件名，**kwargs）
文件“C:\ProgramData\Anaconda3\lib\site packages\textract\parsers\doc\u parser.py”，第9行，摘录
stdout，stderr=self.run（['antiword'，filename]）
文件“C:\ProgramData\Anaconda3\lib\site packages\textract\parsers\utils.py”，第91行，正在运行
“.加入（args），127，”，
textract.exceptions.ShellError:命令antiword d.doc失败，退出代码为127

我能够使用olefile获得部分文本，但olefile最终只处理字节，而不处理Word.doc文件的编码。解决方案是使用LibreOffice，请参阅“Windows安装问题”系列中我的另一个问题：

在遵循“安装”antiword的步骤之后，我遇到了与您相同的问题

在设置环境路径变量后重新启动windows完全解决了这个错误消息。（这是我在使用textract处理.doc文件时遇到的最后一个错误）

---

安装说明摘自

“安装反Word （我接着说）

• 去
• 提取到c:\antiword（是，它必须位于根目录中）
• 将位置添加到路径，就像我们在tesseract ocr中所做的那样[基本上是将c:\antiword添加到系统路径（环境变量）]”

Traceback (most recent call last):
  File "C:\ProgramData\Anaconda3\lib\site-packages\textract\parsers\utils.py", line 84, in run
    stdout=subprocess.PIPE, stderr=subprocess.PIPE,
  File "C:\ProgramData\Anaconda3\lib\subprocess.py", line 709, in __init__
    restore_signals, start_new_session)
  File "C:\ProgramData\Anaconda3\lib\subprocess.py", line 997, in _execute_child
    startupinfo)
FileNotFoundError: [WinError 2] The system cannot find the file specified

During handling of the above exception, another exception occurred:

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "C:\ProgramData\Anaconda3\lib\site-packages\textract\parsers\__init__.py", line 77, in process
    return parser.process(filename, encoding, **kwargs)
  File "C:\ProgramData\Anaconda3\lib\site-packages\textract\parsers\utils.py", line 46, in process
    byte_string = self.extract(filename, **kwargs)
  File "C:\ProgramData\Anaconda3\lib\site-packages\textract\parsers\doc_parser.py", line 9, in extract
    stdout, stderr = self.run(['antiword', filename])
  File "C:\ProgramData\Anaconda3\lib\site-packages\textract\parsers\utils.py", line 91, in run
    ' '.join(args), 127, '', '',
textract.exceptions.ShellError: The command antiword d.doc failed with exit code 127