[英]Reading password protected Word Documents with zipfile
我正在尝试使用 zipfile 阅读 Python 上受密码保护的 word 文档。 以下代码适用于不受密码保护的文档,但在使用受密码保护的文件时会出错。
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,我收到以下错误:
追溯(最近一次通话):
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工作?
我不认为这是一个加密问题,原因有二:
创建ZipFile
object 时不会尝试解密。 ZipFile.extractall
、 extract
和open
以及read
等方法采用包含密码的可选pwd
参数,但 object 构造函数/初始化程序没有。
您的堆栈跟踪表明在您调用setpassword
之前创建ZipFile
BadZipFile
时正在引发 BadZipFile :
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),...甚至文件名差异也会导致框架“看不到”该文件你正在努力。
另外 --- 显而易见的 --- 尝试使用您选择的与 zip 兼容的命令打开加密的 zip 文件。 看看是不是真的是zip文件。
我通过在 Python 3.1 中打开一个加密的 zip 文件来测试这个,同时“忘记”提供密码。 我可以创建ZipFile
object(下面的变量zfile
)而没有任何错误,但是当我尝试在不提供密码的情况下读取文件时出现RuntimeError
---而不是BadZipFile
异常 --- :
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
我还能够引发BadZipfile
异常,一次是通过尝试打开一个空文件,一次是通过尝试打开一些我已重命名为“.zip”扩展名的随机日志文件文本。 这两个测试文件产生了相同的堆栈跟踪,包括行号。
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你的不完全相同——我的有一个对_GetContents
的调用,以及BadZipfile
的 3.2 之前的“small f”拼写——但它们足够接近,我认为这就是那种你正在处理的问题。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.