[英]Reading password protected Word Documents with zipfile
我正在嘗試使用 zipfile 閱讀 Python 上受密碼保護的 word 文檔。 以下代碼適用於不受密碼保護的文檔,但在使用受密碼保護的文件時會出錯。
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)
使用受密碼保護的文件運行 get_docx_text() 時,我收到以下錯誤:
追溯(最近一次通話):
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
有沒有人有任何建議讓這段代碼工作?
我不認為這是一個加密問題,原因有二:
創建ZipFile
object 時不會嘗試解密。 ZipFile.extractall
、 extract
和open
以及read
等方法采用包含密碼的可選pwd
參數,但 object 構造函數/初始化程序沒有。
您的堆棧跟蹤表明在您調用setpassword
之前創建ZipFile
BadZipFile
時正在引發 BadZipFile :
document = zipfile.ZipFile(path, "r")
我會仔細查看您正在測試的兩個文件之間的其他差異:所有權、權限、安全上下文(如果您的操作系統上有),...甚至文件名差異也會導致框架“看不到”該文件你正在努力。
另外 --- 顯而易見的 --- 嘗試使用您選擇的與 zip 兼容的命令打開加密的 zip 文件。 看看是不是真的是zip文件。
我通過在 Python 3.1 中打開一個加密的 zip 文件來測試這個,同時“忘記”提供密碼。 我可以創建ZipFile
object(下面的變量zfile
)而沒有任何錯誤,但是當我嘗試在不提供密碼的情況下讀取文件時出現RuntimeError
---而不是BadZipFile
異常 --- :
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
我還能夠引發BadZipfile
異常,一次是通過嘗試打開一個空文件,一次是通過嘗試打開一些我已重命名為“.zip”擴展名的隨機日志文件文本。 這兩個測試文件產生了相同的堆棧跟蹤,包括行號。
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
雖然這個堆棧跟蹤與你的不完全相同——我的有一個對_GetContents
的調用,以及BadZipfile
的 3.2 之前的“small f”拼寫——但它們足夠接近,我認為這就是那種你正在處理的問題。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.