python讀取word

這個功能的目的在於將word文檔的內容讀出來後，用jieba分詞庫，找出基於TF/IDF權重最大的關鍵詞。

難點在於一些解碼問題和對word文檔打開過程中一些異常的捕捉，目前爲止還有一些異常捕捉不到，想到一個比較暴力的想法就是，每次打開word時，監聽時間，超過規定時間則把這個word刪除或者別的處理。但是還沒有實現。

下面，上讀取代碼

def new_open_word(file_path):
    msword = Dispatch('Word.Application')
    msword.Visible = 0
    msword.DisplayAlerts = 0
    try:
        doc = msword.Documents.Open(FileName=file_path )
        doc.SaveAs('C:/TEST/3.txt',4);
        doc.Close()
    except:
        return "  "

    content = open('C:/TEST/3.txt').read()

    content = content.replace(" ","").replace("\n","")
    try:
        content = unicode(content, 'gbk')
    except UnicodeDecodeError:
        return "  "
    else:
        content = re.findall(ur"[\u4e00-\u9fa5]+",content)
        return ''.join(content)