在python中通过win32com调用VBA，完成word支持的文档格式间相互转换

使用python完成文档格式转换有很多库可以用，例如pdfkit可实现html转换为pdf，mammoth可实现word转html等文件格式的转换，这些库有些转换效果不错，有些库转换后会发生格式丢失等问题，转换效果差强人意，而且需要学习的新知识较多。考虑到word应用程序本身即可打开和保存docx、html、txt等多种格式文件，因此，如果可以在python代码中直接操作word来打开和另存文件，这显然是最方便的文档格式转换方案。幸运的是，win32com库给我们提供了在python代码中操作word的功能。这样，我们只需掌握VBA的Documents.Open()方法和Document.SaveAs2()方法，就可以在win32com库的支持下轻松完成word支持的文档格式之间的相互转换。以下介绍使用win32com库操作word转换文档格式的方法。

由于word默认在打开非默认格式文档时会打开文件转换对话框要求确认，为了防止确认文件格式转换中断python代码的执行，在正式写代码之前我们先要打开word选项，确认下图的设置中“打开时确认文件格式转换”选项是否取消了选中。

 准备工作完成后，可以开始编写转换文件格式的代码了：

import win32com # 导入win32com库，pip install pypiwin32
from win32com.client import constants as wc # 导入相关常量def convert_format(word, source_file, dest_file, source_format, dest_format):'''文件格式转换函数Args：word：word应用程序对象source_file：待转换格式的源文件，不在当前目录需带文件路径dest_file：转换后的目标文件，可指定路径，未指定路径则保存在当前目录source_format：源文件格式，参见VBA文档WdOpenFormat枚举值dest_format：目标文件格式，参见VBA文档WdSaveFormat枚举值'''# 调用VBA对象Documents的Open方法打开source_file，有必要的话传入文件绝对路径doc = word.Documents.Open(FileName = source_file, Format=source_format)try:# 对网页文件进行一些设定，具体含义可访问https://docs.microsoft.com/zh-cn/office/vba/api/查阅VBA文档word.ActiveDocument.WebOptions.RelyOnCSS = 1word.ActiveDocument.WebOptions.OptimizeForBrowser = 1word.ActiveDocument.WebOptions.BrowserLevel = 0 # constants.wdBrowserLevelV4word.ActiveDocument.WebOptions.OrganizeInFolder = 0word.ActiveDocument.WebOptions.UseLongFileNames = 1word.ActiveDocument.WebOptions.RelyOnVML = 0word.ActiveDocument.WebOptions.AllowPNG = 1# 将文件另存为目标文件格式，完成格式转换word.ActiveDocument.SaveAs2( FileName =dest_file, FileFormat = dest_format)# 完成转换后原document对象已经指向目标格式文件print('完成了文件{0}的转换'.format(doc.Name))finally:# 关闭文档doc.Close()source_file = 'test.html'
dest_file = 'test.docx'# 打开word应用程序
#word = win32com.client.Dispatch('Word.Application')
# 或者使用下面的方法，使用启动独立的进程：
# word = win32com.client.DispatchEx('Word.Application')
# 如果文件格式参数传入VBA常量出错，应当用下面的方法打开word应用程序
word = win32com.client.gencache.EnsureDispatch('Word.Application')# 后台运行，不显示，不警告
word.Visible = 0
word.DisplayAlerts = 0# 调用文件格式转换函数，将一个html文件转换为docx文件。
convert_format(word, source_file, dest_file, source_format = wc.wdOpenFormatWebPages,dest_format = wc.wdFormatDocumentDefault)# 退出word
word.Quit()

在使用win32com库操作word时应当注意VBA函数第一个字母通常大写，与python通用规范有所区别，不要出现函数名称输入错误。以下是复制Documents对象的Open()方法和Document对象的SaveAs2()方法的文档，以供灵活运用以上代码时参考：

Documents.Open 方法 (Word)

打开指定的文档并将其添加到 Documents 集合。 返回一个 Document 对象。

语法

expression.Open (FileName、 ConfirmConversions、 ReadOnly、 AddToRecentFiles、 PasswordDocument、 PasswordTemplate、 Revert、 WritePasswordDocument、 WritePasswordTemplate、 Format、 Encoding、 Visible、 OpenConflictDocument、 OpenAndRepair、 DocumentDirection、 NoEncodingDialog)

expression 是必需的。 一个Documents对象变量。

参数

返回值

Document对象

Document.SaveAs2 方法 (Word)

使用新的名称或格式保存指定的文档。 此方法的一些参数与 “另存为” 对话框（“文件” 选项卡）中的选项相对应。

语法

expression.SaveAs2( _FileName_ , _FileFormat_ , _LockComments_ , _Password_ , _AddToRecentFiles_ , _WritePassword_ , _ReadOnlyRecommended_ , _EmbedTrueTypeFonts_ , _SaveNativePictureFormat_ , _SaveFormsData_ , _SaveAsAOCELetter_ , _Encoding_ , _InsertLineBreaks_ , _AllowSubstitutions_ , _LineEnding_ , _AddBiDiMarks_ , _CompatibilityMode_ )

expression：一个document对象变量

参数

返回值

无

下面是WdSaveFormat枚举值：

下面是WdOpenFormat枚举值