如何使用AWS Lambda Python读取AWS S3存储的word文档（.doc和.docx）文件内容？

Question

我的场景是，我尝试使用python从Aws Lambda实现读取的AWS Stored S3 word文档（.doc和.docx）文件内容。在我使用的代码下方，我的问题是我可以获取文件名，但无法读取内容。

def lambda_handler(event, context):

    file_contents = s3.Object(‘Bucketname’, 'sample.docx').get()['Body'].read().decode("unicode-escape")

    return {
         'File Name' : obj.key,
         ‘Content’ : file_contents
            }

  

响应：{“ errorMessage”：“'unicodeescape'编解码器无法解码   位置25818-25819中的字节：截断的\ xXX转义”，“ errorType”：   “ UnicodeDecodeError”，“ stackTrace”：[       [         “ /var/task/lambda_function.py”，         76，         “ lambda_handler”，         “ file_contents = s3.Object（'Bucketname'，'sample.docx'）。get（）['Body']。read（）。decode（\“ unicode-escape \”）“       ]]}

Answer 1

.docx和.doc文件是二进制文件，因此无法进行简单的解码，也许docx2txt 可能对您有帮助。