我正在尝试使用zipfile在Python上读取受密码保护的Word文档。以下代码适用于不受密码保护的文档,但与受密码保护的文件一起使用时会出错。
try:fromxml.etree.cElementTreeimportXMLexceptImportError:fromxml.etree.ElementTreeimportXMLimportzipfile
psw="1234"WORD_NAMESPACE='{/wordprocessingml//main}'PARA=WORD_NAMESPACE+'p'TEXT=WORD_NAMESPACE+'t'defget_docx_text(path):document=zipfile.ZipFile(path,"r")document.setpassword(psw)document.extractall()xml_content=document.read('word/document.xml')document.close()tree=XML(xml_content)paragraphs=[]forparagraphintree.getiterator(PARA):texts=[node.textfornodeinparagraph.getiterator(TEXT)ifnode.text]iftexts:paragraphs.append(''.join(texts))return'\n\n'.join(paragraphs)
使用受密码保护的文件运行get_docx_text()时,出现以下错误:
追溯(最近一次通话):
File"",line1,inrunfile('/Users/username/Workspace/Python/docx2txt.py',wdir='/Users/username/Workspace/Python')File"/Applications/Spyder-Py2.app/Contents/Resources/lib/python2.7/spyderlib/widgets/externalshell/sitecustomize.py",line680,inrunfile
execfile(filename,namespace)File"/Applications/Spyder-Py2.app/Contents/Resources/lib/python2.7/spyderlib/widgets/externalshell/sitecustomize.py",line78,inexecfile
builtins.execfile(filename,*where)File"/Users/username/Workspace/Python/docx2txt.py",line41,inx=get_docx_text("/Users/username/Desktop/file.docx")File"/Users/username/Workspace/Python/docx2txt.py",line23,inget_docx_text
document=zipfile.ZipFile(path,"r")File"zipfile.pyc",line770,in__init__File"zipfile.pyc",line811,in_RealGetContentsBadZipfile:Fileisnota zip file
有没有人有任何建议使此代码起作用?
感谢您分享您的知识和专长。
解决方案
我认为这不是加密问题,原因有两个:
ZipFile创建对象时不尝试解密。方法,如ZipFile.extractall,extract和open,和read一个可选的pwd包含密码参数,但对象的构造函数/初始化没有。
您的堆栈跟踪指示BadZipFile在创建ZipFile对象时,在调用之前正在引发setpassword:
document=zipfile.ZipFile(path,"r")
我会仔细检查您要测试的两个文件之间的其他差异:所有权,权限,安全性上下文(如果您的操作系统上有),...甚至文件名差异也会导致框架“看不到”该文件你正在努力。
另外---很明显的一个---尝试使用您选择的与zip兼容的命令打开加密的zip文件。查看它是否真的是一个zip文件。
我通过在Python 3.1中打开一个加密的zip文件进行了测试,同时“忘记了”提供密码。我可以创建ZipFile对象(变量zfile没有任何错误下同),但有一个RuntimeError---没有一个BadZipFile例外---当我试图读取文件而无需提供密码:
Traceback (most recent call last):
File "./zf.py", line 35, in
main()
File "./zf.py", line 29, in main
print_checksums(zipfile_name)
File "./zf.py", line 22, in print_checksums
for checksum in checksum_contents(zipfile_name):
File "./zf.py", line 13, in checksum_contents
inner_file = zfile.open(inner_filename, "r")
File "/usr/lib64/python3.1/zipfile.py", line 903, in open
"password required for extraction" % name)
RuntimeError: File apache.log is encrypted, password required for extraction
我还能够引发一个BadZipfile异常,一次是通过尝试打开一个空文件,一次是通过尝试打开一些随机日志文件文本,然后将其重命名为“ .zip”扩展名。这两个测试文件产生了相同的堆栈跟踪,直至行号。
Traceback (most recent call last):
File "./zf.py", line 35, in
main()
File "./zf.py", line 29, in main
print_checksums(zipfile_name)
File "./zf.py", line 22, in print_checksums
for checksum in checksum_contents(zipfile_name):
File "./zf.py", line 10, in checksum_contents
zfile = zipfile.ZipFile(zipfile_name, "r")
File "/usr/lib64/python3.1/zipfile.py", line 706, in __init__
self._GetContents()
File "/usr/lib64/python3.1/zipfile.py", line 726, in _GetContents
self._RealGetContents()
File "/usr/lib64/python3.1/zipfile.py", line 738, in _RealGetContents
raise BadZipfile("File is not a zip file")
zipfile.BadZipfile: File is not a zip file
尽管此堆栈跟踪与您的堆栈跟踪并不完全相同,但我的调用是_GetContents,而3.2之前的“小f”拼写是BadZipfile---,但是它们之间的距离足够近,我认为这是一种问题您正在处理。