python - 如何在 python 中检索 office 文件的作者？

Question

标题说明了问题，我想检索其作者信息的 doc 和 docs 文件，以便我可以重组我的文件。

os.stat 仅返回大小和日期时间，真实文件相关信息。
open(filename, 'rb').read(200) 返回许多我无法解析的字符。

有一个名为xlrd 的模块用于读取xlsx 文件。然而，这仍然不允许我阅读 doc 或 docx 文件。我知道新的 office 文件在 non-msoffice 程序上不容易读取，所以如果这不可能，从旧的 office 文件收集信息就足够了。

Answer 1

由于 docx 文件只是压缩的 XML，您可以解压缩 docx 文件并大概从 XML 文件中提取作者信息。不太确定它的存储位置，只是简单地环顾四周让我怀疑它在 docProps/core.xml 中存储为 dc:creator。

以下是打开 docx 文件并检索创建者的方法:

import zipfile, lxml.etree

# open zipfile
zf = zipfile.ZipFile('my_doc.docx')
# use lxml to parse the xml file we are interested in
doc = lxml.etree.fromstring(zf.read('docProps/core.xml'))
# retrieve creator
ns={'dc': 'http://purl.org/dc/elements/1.1/'}
creator = doc.xpath('//dc:creator', namespaces=ns)[0].text