Question

我写了一个小程序，它从word文档中提取数据并对其进行处理。该工具仅在Windows（XP）上运行并使用PyWin32库。

一切正常但有时我会遇到以下问题，这对用户来说非常烦人。

1）我使用此代码隐藏Word，但有时Word会打开并打开所有文档。这种情况非常不可靠，我无法找出发生这种情况的原因。有人注意到同样的问题吗？

word = win32.gencache.EnsureDispatch('Word.Application')
word.Visible = False

2）程序使用几次后会有几百个文件，程序会由于内存不足而崩溃。有没有人建议我如何处理这个问题？

编辑：我正在加载这样的文件：

def convert_word_to_text(path, id):
"""Converts the word documents in text format."""

    word.Documents.Open(path)
    doc = word.ActiveDocument
    table = doc.Tables(1)
    # Process the data

for file in files:
    convert_word_to_text(file, id)

非常感谢任何帮助！孙燕姿

Answer 1

自打开文档后：

word.Documents.Open(path)
doc

你也应该关闭它。像这样：

doc.close()

函数convert_word_to_text末尾的

可能会有所帮助。

Answer 2

对于（2），我的猜测是你正在将许多文件加载到内存中然后处理它们。相反，您应该使用生成器或for循环，单独加载每个文件，提取文本/任何内容，然后转到下一个文件。加载外部XML或二进制文件时（例如，带有PIL的图像，带有openpyxl的excel文件等），这种问题似乎经常发生。

Python解析许多word文档

2 个答案: