写点什么

自己动手做一个批量 doc 转换为 docx 文件的小工具

  • 2024-03-21
    福建
  • 本文字数:3692 字

    阅读完需:约 12 分钟

前言

最近遇到了一个需求,就是要把大量的 doc 格式文件转换为 docx 文件,因此就动手做了一个批量转换的小工具。


背景

doc 文件是什么?

"doc" 文件是一种常见的文件格式,通常用于存储文本文档。它是 Microsoft Word 文档的文件扩展名。"doc" 是 "document" 的缩写,表示这是一个文档文件。这种文件格式通常包含文本、图像、表格、图形等内容,可以使用 Microsoft Word 或其他兼容的文字处理软件进行打开和编辑。


docx 文件是什么?

"docx" 文件是 Microsoft Word 2007 及更高版本中使用的文档文件格式的扩展名。它是 Office Open XML (OOXML) 标准的一部分,是一种基于 XML 的开放标准格式,用于存储文本文档、图像、表格、图形等内容。与早期的 ".doc" 格式相比,".docx" 格式具有更高的兼容性和可扩展性,并且文件大小通常更小。由于其开放的特性,许多其他文字处理软件也支持 ".docx" 格式。


为什么要将 doc 文件转化为 docx 文件?

将 ".doc" 文件转换为 ".docx" 文件的主要原因包括:

  1. 更先进的格式:".docx" 使用 Office Open XML 格式,这是一种更现代、更有效的文件格式。它采用了基于 XML 的结构,使得文件更容易解析和处理,同时也提供了更好的兼容性和可扩展性。

  2. 减小文件大小:由于 ".docx" 文件采用了更高效的压缩技术和文件结构,相比 ".doc" 文件通常会更小,这对于存储和传输文件是有利的。

  3. 兼容性:许多最新版本的文字处理软件更支持 ".docx" 格式,而较旧的 ".doc" 格式可能会在一些软件中出现兼容性问题。将文件转换为 ".docx" 格式可以确保在不同平台和软件中的良好兼容性。

  4. 格式稳定性:".docx" 格式的结构更加稳定,不容易出现文件损坏或格式错误的问题,从而提高了文档的可靠性。

综上所述,将 ".doc" 文件转换为 ".docx" 文件可以提高文件的效率、兼容性和稳定性,是一种值得推荐的做法。


实践

方案使用 C#通过 Microsoft Office Interop 实现将.doc 文件转换为.docx 文件。

添加引用:



前提是需要电脑上安装有 word。

页面设计如下所示:



选择 doc 文件所在的文件夹:

   // 创建一个新的FolderBrowserDialog   FolderBrowserDialog folderBrowserDialog = new FolderBrowserDialog();
// 设置FolderBrowserDialog的属性 folderBrowserDialog.Description = "请选择待转换的doc文件所在的文件夹";
// 显示FolderBrowserDialog,并获取结果 if (folderBrowserDialog.ShowDialog() == DialogResult.OK) { docFolderPath = folderBrowserDialog.SelectedPath; richTextBox1.Text += $"你选择的待转换的doc文件所在的文件夹是:{docFolderPath}\r\n"; }
复制代码


选择保存 docx 文件的文件夹:

 // 创建一个新的FolderBrowserDialog FolderBrowserDialog folderBrowserDialog = new FolderBrowserDialog();
// 设置FolderBrowserDialog的属性 folderBrowserDialog.Description = "请选择保存docx文件的文件夹";
// 显示FolderBrowserDialog,并获取结果 if (folderBrowserDialog.ShowDialog() == DialogResult.OK) { // 用户已选择一个文件夹,可以通过folderBrowserDialog.SelectedPath获取所选文件夹的路径 docxFolderPath = folderBrowserDialog.SelectedPath; richTextBox1.Text += $"你选择的保存docx文件的文件夹是:{docFolderPath}\r\n"; }
复制代码


开始转换按钮事件处理函数:

 if (docFolderPath == null || docxFolderPath == null) {     MessageBox.Show("请先选择doc文件所在的文件夹与保存docx文件的文件夹"); } else {
await DocToDocx(); }
复制代码


为了避免阻塞界面,使用了异步方法。

DocToDocx 方法如下所示:

  public async System.Threading.Tasks.Task DocToDocx()  {      // 使用Task.Run来启动一个新的异步任务      await System.Threading.Tasks.Task.Run(() =>      {          // 创建 Word 应用程序实例          Microsoft.Office.Interop.Word.Application wordApp = new Microsoft.Office.Interop.Word.Application();                 int i = 1;                       // 遍历所有.doc文件          foreach (string docFile in GetFiles(docFolderPath, "*.doc"))          {              // 打开输入的 .doc 文件              Document doc = wordApp.Documents.Open(docFile);
// 获取不带扩展名的文件名 string fileNameWithoutExtension = Path.GetFileNameWithoutExtension(docFile);
// 将扩展名改为.docx string docxFileName = Path.ChangeExtension(fileNameWithoutExtension, ".docx");
string docxFilePath = Path.Combine(docxFolderPath, docxFileName);
// 将 .doc 文件保存为 .docx 格式 doc.SaveAs2(docxFilePath, WdSaveFormat.wdFormatXMLDocument);
// 关闭 .doc 文件 doc.Close();
// 释放 Document 对象的资源 System.Runtime.InteropServices.Marshal.ReleaseComObject(doc);
// 使用Invoke方法来更新richTextBox1 richTextBox1.Invoke((Action)(() => { richTextBox1.Text += $"第{i}个文件:{docFile}转换完成 {DateTime.Now}\r\n";
// 设置插入点到文本的最后 richTextBox1.SelectionStart = richTextBox1.Text.Length;
// 滚动到插入点 richTextBox1.ScrollToCaret(); }));
i++; }
// 退出 Word 应用程序 wordApp.Quit();
// 释放资源 System.Runtime.InteropServices.Marshal.ReleaseComObject(wordApp); // 使用Invoke方法来更新richTextBox1 richTextBox1.Invoke((Action)(() => { richTextBox1.Text += $"转换完成 {DateTime.Now}\r\n"; })); });
复制代码


GetFiles 方法如下所示:

   // 这个方法返回一个IEnumerable<string>,表示文件的路径  public IEnumerable<string> GetFiles(string path, string searchPattern)  {      // 获取文件夹下的所有文件      string[] files = Directory.GetFiles(path, searchPattern);
// 遍历所有文件 foreach (string file in files) { // 返回当前文件 yield return file; } }
复制代码


这里使用了yield关键字,使用yield的好处如下:

  1. 延迟执行:迭代器的执行会被延迟,直到迭代器被消费时才开始。这意味着如果你有一个大的数据集合需要处理,但并不需要立即处理所有数据,那么使用 yield 可以帮助你节省内存和计算资源。

  2. 简化代码:yield 可以使你的代码更简洁,更易于阅读和理解。你不需要创建一个临时的集合来存储你的结果,而是可以直接使用 yield return 来返回结果。

  3. 无需一次性生成所有结果:当处理大量数据时,一次性生成所有结果可能会消耗大量内存。使用 yield 可以在每次迭代时只生成一个结果,从而节省内存。

实现原理其实很简单,就是用新版本的 word 打开再保存就行了。

 // 打开输入的 .doc 文件 Document doc = wordApp.Documents.Open(docFile);
// 获取不带扩展名的文件名 string fileNameWithoutExtension = Path.GetFileNameWithoutExtension(docFile);
// 将扩展名改为.docx string docxFileName = Path.ChangeExtension(fileNameWithoutExtension, ".docx");
string docxFilePath = Path.Combine(docxFolderPath, docxFileName);
// 将 .doc 文件保存为 .docx 格式 doc.SaveAs2(docxFilePath, WdSaveFormat.wdFormatXMLDocument);
// 关闭 .doc 文件 doc.Close();
// 释放 Document 对象的资源 System.Runtime.InteropServices.Marshal.ReleaseComObject(doc);
复制代码


需要转换的 doc 文件所在的文件夹:



软件使用截图:



实现效果:



实现了批量 doc 文件转换为 docx 文件。

如果不熟悉 C#也可以通过 Python 实现。

以下是一个文件转换的示例代码,经过测试可行:

import osimport win32com.client
def convert_doc_to_docx(doc_path): # 创建Word应用程序对象 word = win32com.client.Dispatch("Word.Application")
# 打开.doc文件 doc = word.Documents.Open(doc_path)
# 设置新的文件路径 docx_path = os.path.splitext(doc_path)[0] + ".docx"
# 保存文件为.docx格式 doc.SaveAs(docx_path, FileFormat=16) # 16 represents wdFormatXMLDocument
# 关闭文档 doc.Close()
# 关闭Word应用程序 word.Quit()
# 使用函数convert_doc_to_docx("Path")
复制代码


由于时间精力有限,没有写成批量处理的形式。

还有一种方案就是在 word 里写 VBA。

采用哪种方案可以根据自己的熟练度。


文章转载自:mingupupup

原文链接:https://www.cnblogs.com/mingupupu/p/18085637

体验地址:http://www.jnpfsoft.com/?from=001


用户头像

还未添加个人签名 2023-06-19 加入

还未添加个人简介

评论

发布
暂无评论
自己动手做一个批量doc转换为docx文件的小工具_C#_快乐非自愿限量之名_InfoQ写作社区