Python——使用zipfile读取受密码保护的Word文档

我正在尝试使用zipfile在Python上阅读一个受密码保护的word文档。 以下代码适用于不受密码保护的文档，但在与受密码保护的文件一起使用时出现错误

try:
    from xml.etree.cElementTree import XML
except ImportError:
    from xml.etree.ElementTree import XML
import zipfile

psw = "1234"

WORD_NAMESPACE = '{http://schemas.openxmlformats.org/wordprocessingml/2006/main}'
PARA = WORD_NAMESPACE + 'p'
TEXT = WORD_NAMESPACE + 't'

def get_docx_text(path):

    document = zipfile.ZipFile(path, "r")
    document.setpassword(psw)
    document.extractall()
    xml_content = document.read('word/document.xml')
    document.close()
    tree = XML(xml_content)

    paragraphs = []
    for paragraph in tree.getiterator(PARA):
        texts = [node.text
                 for node in paragraph.getiterator(TEXT)
                 if node.text]
        if texts:
            paragraphs.append(''.join(texts))

    return '\n\n'.join(paragraphs)

使用受密码保护的文件运行get_docx_text（）时，我收到以下错误：

回溯（最近一次呼叫最后一次）：

文件“”，第1行，在
运行文件（'/Users/username/Workspace/Python/docx2txt.py'，wdir='/Users/username/Workspace/Python'）
文件“/Applications/Spyder-Py2.app/Contents/Resources/lib/python2.7/spyderlib/widgets/externalshell/sitecustomize.py”，第680行，在runfile中
execfile（文件名、命名空间）
文件“/Applications/Spyder-Py2.app/Contents/Resources/lib/python2.7/spyderlib/widgets/externalshell/sitecustomize.py”，执行文件第78行
execfile（文件名，*其中）
文件“/Users/username/Workspace/Python/docx2txt.py”，第41行，在
x=get_docx_text（“/Users/username/Desktop/file.docx”）
get_docx_文本中的文件“/Users/username/Workspace/Python/docx2txt.py”，第23行
document=zipfile.zipfile（路径“r”）
文件“zipfile.pyc”，第770行，在_init中__
RealGetContents中第811行的文件“zipfile.pyc”
BadZipfile:文件不是zip文件

有人有什么建议让这个代码工作吗

---

感谢您分享您的知识和专业技能。

我认为这不是一个加密问题，原因有二：

创建

ZipFile

对象时，不会尝试解密。方法，例如，

extract

、和

open

、和

read

获取包含密码的可选

pwd

参数，但对象构造函数/初始值设定项没有

在调用

setpassword

之前，当您创建

ZipFile

对象时，堆栈跟踪指示正在引发

BadZipFile

：

document=zipfile.zipfile（路径“r”）

我会仔细查找您正在测试的两个文件之间的其他差异：所有权、权限、安全上下文（如果您的操作系统上有这些文件的话）。。。甚至文件名差异也会导致框架“看不到”您正在处理的文件

另外，显而易见的一点是，尝试使用与zip兼容的命令打开加密的zip文件。看看它是否真的是一个zip文件

我通过在Python3.1中打开一个加密的zip文件来测试这一点，同时“忘记”提供密码。我可以创建

ZipFile

对象（下面的变量

zfile

），没有任何错误，但是当我试图在不提供密码的情况下读取文件时，得到了

运行时错误

——而不是

BadZipFile

异常：

回溯（最近一次呼叫最后一次）：
文件“/zf.py”，第35行，在
main（）
文件“/zf.py”，第29行，主
打印校验和（zipfile\u名称）
文件“/zf.py”，第22行，打印校验和
对于校验和内容（zipfile\u名称）中的校验和：
文件“/zf.py”，第13行，在校验和内容中
内部文件=zfile.open（内部文件名，“r”）
文件“/usr/lib64/python3.1/zipfile.py”，第903行，打开
提取“%name”所需的密码
运行时错误：文件apache.log已加密，提取时需要密码

我还能够引发一个

BadZipfile

异常，一次是试图打开一个空文件，另一次是试图打开一些随机的日志文件文本，我已经将其重命名为“.zip”扩展名。这两个测试文件产生了相同的堆栈跟踪，一直到行号

回溯（最近一次呼叫最后一次）：
文件“/zf.py”，第35行，在
main（）
文件“/zf.py”，第29行，主
打印校验和（zipfile\u名称）
文件“/zf.py”，第22行，打印校验和
对于校验和内容（zipfile\u名称）中的校验和：
文件“/zf.py”，第10行，在校验和内容中
zfile=zipfile.zipfile（zipfile_名称，“r”）
文件“/usr/lib64/python3.1/zipfile.py”，第706行，在__
self.\u GetContents（）
文件“/usr/lib64/python3.1/zipfile.py”，第726行，在_GetContents中
self.\u RealGetContents（）
文件“/usr/lib64/python3.1/zipfile.py”，第738行，在RealGetContents中
raise BadZipfile（“文件不是zip文件”）
zipfile.BadZipfile:文件不是zip文件

---

虽然此堆栈跟踪与您的堆栈跟踪不完全相同，但我的堆栈跟踪调用了

\u GetContents

，以及

BadZipfile

的3.2之前的“小f”拼写，但它们非常接近，我认为这就是您正在处理的问题。

加密的docx文件是常规（无密码保护）zip文件。加密是对zip文件的内容进行的，它不使用zip的密码保护系统。裁判谢谢你，凯文！正如你所建议的，我调查了所有权/安全问题，结果证明这就是问题所在。当我将内容复制到我制作的新MS Word文档中，并自己添加了密码时，它按预期工作。

  File "<ipython-input-15-d2783899bfe5>", line 1, in <module>
runfile('/Users/username/Workspace/Python/docx2txt.py', wdir='/Users/username/Workspace/Python')

  File "/Applications/Spyder-Py2.app/Contents/Resources/lib/python2.7/spyderlib/widgets/externalshell/sitecustomize.py", line 680, in runfile
execfile(filename, namespace)

  File "/Applications/Spyder-Py2.app/Contents/Resources/lib/python2.7/spyderlib/widgets/externalshell/sitecustomize.py", line 78, in execfile
builtins.execfile(filename, *where)

  File "/Users/username/Workspace/Python/docx2txt.py", line 41, in <module>
x = get_docx_text("/Users/username/Desktop/file.docx")

  File "/Users/username/Workspace/Python/docx2txt.py", line 23, in get_docx_text
document = zipfile.ZipFile(path, "r")

  File "zipfile.pyc", line 770, in __init__

  File "zipfile.pyc", line 811, in _RealGetContents

BadZipfile: File is not a zip file