使用python調用antiword將doc轉為txt，發現返回值是亂碼

Question

問題描述

我用python調用antiword將doc轉換成txt，發現返回值的中文值是亂碼。 在powershell上也是一樣的情況。 但是調用 git bash 是可以的。

環境：Windows平台，py3.6

我嘗試更改語言環境並嘗試了antiword的-m參數，但它不起作用。

相關代碼

Pipe = subprocess.Popen(
         ['antiword', filename],
         Stdout=subprocess.PIPE,
         Stderr=subprocess.PIPE )

Stdout, stderr = pipe.communicate()
Return stdoutenter code here

Answer 1

不確定這是否會有所幫助，盡管我使用的是 Mac OS，但邏輯或多或少是相同的。

我認為您可以將['antiword',filename]替換為 [ ['antiword','-m','utf-8',filename] 。

它所做的只是基本上調用antiword中提供的映射文件，將文件映射到utf-8.txt，然后通過stdout捕獲。 （對於其他的，你可以找到antiword提供的一些常用映射，例如8859和cp1251）

小提醒是檢查你的反字文件中的 .txt 的名稱。 我的一位朋友發現它是 UTF-8.txt，但在我的筆記本電腦上卻是 utf-8.txt。

BTW只是想抱怨antiword的編碼，也許我只是不熟悉字節操作因為我自學python。 antiword 的解碼很乏味。 特別是你有一個混合語言、頁眉和頁腳、格式奇怪的文檔，並使用了antiword的映射功能。 無論如何，祝你好運。