引言

这个脚本仅适用于纯文本文件，并且不包含复杂格式。
今天同事发了个docx文件，看看文件大小3.42MB，低估了这个文件了，双击打开，往下拉了拉，这个文章不见底呀

2000页，2500页，3000页....，5995页，最后8201页

这是啥东西啊，他告诉我是一个SQL，我说直接发文本，就可以直接解析了，docx不是多此一举嘛，哎，没办法。

依赖

pip install python-docx

脚本内容

from docx import Document

''' 这特么是来捣乱的吧， 发这么大的docx文件'''
doc = Document(r'F:\MsgData\WeCom\WXWork\******\Cache\File\2024-06\新建 DOCX 文档.docx')

txt = ""
process = 0
for para in doc.paragraphs:
    process += 1
    print('\r', '当前：', process, '\t', '共：', len(doc.paragraphs), '\t\t', '百分比：',
          round((process / len(doc.paragraphs) * 100), 2), end='', sep='')
    txt += para.text.strip() + "\n"

with open('./docx2txt.txt', 'w', encoding='utf-8') as f:
    f.write(txt)