Python3 正确打开 word 文档编码问题

[wikinee]

最近处理一个 word 文档复制的问题，需要读写中文 word 文档。

在 Python2 里，可以 reload(sys) 来解决

但是 Python3 里，遇到些问题：

#!/usr/bin/env python3
# -*- coding: utf-8 -*-

file_path = "/Users/someone/Documents/WPS 更新啦.docx"
copy_file_path = "/Users/someone/Workspace/PythonTest/WPS 更新啦.docx"
file_word_obj = open(file_path, 'r', encoding='latin-1')
contents = file_word_obj.read()
copy_file_word_obj = open(copy_file_path, 'w')
copy_file_word_obj.write(contents)
file_word_obj.close()
copy_file_word_obj.close()

目前在 encoding 里，只找到 ‘ latin-1 ’ 不会报错，GBK，UTF-8 都会报错

还是 Python3 此问题无解？

[Sylv]

docx 文件并不是纯文本文件，因此你得用二进制模式来读写：
open(file_path, 'rb')

[hsfzxjy]

为什么不用 shutil.copy

[zwh2698]

#1 #2 都是正确的回答。
顺便说一下，docx 是 zip 文件。压缩的内容是 xml,至于为什么是 xml,文档格式标准，当年中国和微软之争，微软赢得标准。

[brickyang]

只是复制文件的话也不用直接操作内容。Python 操作 .docx 可以用： https://python-docx.readthedocs.io

[Kylin30]

直接复制？

[RyougiShiki]

gbk utf-8 是文字到二进制的对应，平时叫纯文本文件，但存在硬盘上也是二进制。
jpg mp4 是图片、音频视频的编码，色彩点到二进制的对应，平时叫二进制文件。想“看到”它们的效果需要用图片查看器、视频播放器等会解各自编码的专门软件。
word 文件里的字体大小加粗等效果是一些额外规则定义的，规则和文字共同形成 word 的编码规则。utf-8 打开 word 相当于编码解码规则不一样，所以乱码。 用 utf-8 打开一个 jpg 乱码同理。

需求是读写内容的话，用 word 编码规则打开，参考 4 楼。
如果需求是只复制文件的话，把二进制取出 rb，不需要“看到”，再写入 wb 另一片空间就是复制。

[kisshere]

你的头像违规了

[wikinee]

@Sylv @zwh2698 @RyougiShiki 感谢解我困惑
@brickyang 想过，等着作为兜底方案，也不知道是不是同时支持 xlsx, pptx

[wikinee]

@kisshere 已修改（捂脸）

[ddzzhen]

容易碰到的坑,mark 一下

[heraldic]

跟编码无关的，docx 等等很多新的格式，都是 zip 压缩包，得用二进制打开