Question

我正在尝试使用zipfile在Python上读取受密码保护的Word文档。以下代码适用于非密码保护的文档，但在与受密码保护的文件一起使用时会出错。

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，收到以下错误：

追踪（最近一次呼叫最后一次）：

  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

有没有人有任何建议让这段代码有效？

感谢您分享您的知识和专长。

Answer 1

我认为这不是加密问题，原因有两个：

创建ZipFile对象时未尝试解密。像ZipFile.extractall，extract和open以及read这样的方法会使用包含密码的可选pwd参数，但对象构造函数/初始化程序不会。 / p>
您的堆栈跟踪表示在您调用BadZipFile 之前创建ZipFile对象时会引发setpassword：

document = zipfile.ZipFile(path, "r")

我会仔细查看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此文件），...甚至文件名差异都可能导致框架“看不到” “你正在处理的文件。

另外---显而易见的一个---尝试使用与zip兼容的命令打开加密的zip文件。看看它是否是一个zip文件。

我通过在Python 3.1中打开加密的zip文件进行测试，同时“忘记”提供密码。我可以创建ZipFile对象（下面的变量zfile）而没有任何错误，但得到RuntimeError --- 而不是 BadZipFile例外---当我试图在没有提供密码的情况下读取文件时：

Traceback (most recent call last): File "./zf.py", line 35, in <module> main() File "./zf.py", line 29, in main print_checksums(zipfile_name) File "./zf.py", line 22, in print_checksums for checksum in checksum_contents(zipfile_name): File "./zf.py", line 13, in checksum_contents inner_file = zfile.open(inner_filename, "r") File "/usr/lib64/python3.1/zipfile.py", line 903, in open "password required for extraction" % name) RuntimeError: File apache.log is encrypted, password required for extraction

我还能够提出BadZipfile异常，一次尝试打开一个空文件，一次尝试打开一些我重命名为“.zip”扩展名的随机日志文件。这两个测试文件产生相同的堆栈跟踪，直到行号。

Traceback (most recent call last): File "./zf.py", line 35, in <module> main() File "./zf.py", line 29, in main print_checksums(zipfile_name) File "./zf.py", line 22, in print_checksums for checksum in checksum_contents(zipfile_name): File "./zf.py", line 10, in checksum_contents zfile = zipfile.ZipFile(zipfile_name, "r") File "/usr/lib64/python3.1/zipfile.py", line 706, in __init__ self._GetContents() File "/usr/lib64/python3.1/zipfile.py", line 726, in _GetContents self._RealGetContents() File "/usr/lib64/python3.1/zipfile.py", line 738, in _RealGetContents raise BadZipfile("File is not a zip file") zipfile.BadZipfile: File is not a zip file

虽然这个堆栈跟踪与完全与你的相同 - 我的呼叫_GetContents和3.2之前的“小f”拼写{{1但是它们足够接近我认为这是你正在处理的那种问题。

Python - 使用zipfile读取受密码保护的Word文档

1 个答案: