python - 如何使用 AWS Lambda Python 读取 AWS S3 存储的 Word 文档(.doc 和 .docx)文件内容？

Question

我的场景是，我尝试使用 python 实现从 Aws Lambda 读取 AWS 存储的 S3 word 文档(.doc 和 .docx)文件内容。下面是我使用的代码，我的问题是我可以获取文件名，但无法读取内容。

def lambda_handler(event, context):

    file_contents = s3.Object(‘Bucketname’, 'sample.docx').get()['Body'].read().decode("unicode-escape")

    return {
         'File Name' : obj.key,
         ‘Content’ : file_contents
            }

Response: { "errorMessage": "'unicodeescape' codec can't decode bytes in position 25818-25819: truncated \xXX escape", "errorType": "UnicodeDecodeError", "stackTrace": [ [ "/var/task/lambda_function.py", 76, "lambda_handler", "file_contents = s3.Object('Bucketname', 'sample.docx').get()['Body'].read().decode(\"unicode-escape\")" ] ] }

Answer 1

.docx 和 .doc 文件是二进制文件，因此简单的解码将无法工作，也许 docx2txt可能会有所帮助。