自己動手做一個批次doc轉換為docx檔案的小工具

mingupupup發表於2024-03-20

前言

最近遇到了一個需求，就是要把大量的doc格式檔案轉換為docx檔案，因此就動手做了一個批次轉換的小工具。

背景

doc檔案是什麼？

"doc" 檔案是一種常見的檔案格式，通常用於儲存文字文件。它是 Microsoft Word 文件的副檔名。"doc" 是 "document" 的縮寫，表示這是一個文件檔案。這種檔案格式通常包含文字、影像、表格、圖形等內容，可以使用 Microsoft Word 或其他相容的文書處理軟體進行開啟和編輯。

docx檔案是什麼？

"docx" 檔案是 Microsoft Word 2007 及更高版本中使用的文件檔案格式的副檔名。它是 Office Open XML (OOXML) 標準的一部分，是一種基於 XML 的開放標準格式，用於儲存文字文件、影像、表格、圖形等內容。與早期的 ".doc" 格式相比，".docx" 格式具有更高的相容性和可擴充套件性，並且檔案大小通常更小。由於其開放的特性，許多其他文書處理軟體也支援 ".docx" 格式。

為什麼要將doc檔案轉化為docx檔案？

將 ".doc" 檔案轉換為 ".docx" 檔案的主要原因包括：

  1. 更先進的格式：".docx" 使用 Office Open XML 格式，這是一種更現代、更有效的檔案格式。它採用了基於 XML 的結構，使得檔案更容易解析和處理，同時也提供了更好的相容性和可擴充套件性。
  2. 減小檔案大小：由於 ".docx" 檔案採用了更高效的壓縮技術和檔案結構，相比 ".doc" 檔案通常會更小，這對於儲存和傳輸檔案是有利的。
  3. 相容性：許多最新版本的文書處理軟體更支援 ".docx" 格式，而較舊的 ".doc" 格式可能會在一些軟體中出現相容性問題。將檔案轉換為 ".docx" 格式可以確保在不同平臺和軟體中的良好相容性。
  4. 格式穩定性：".docx" 格式的結構更加穩定，不容易出現檔案損壞或格式錯誤的問題，從而提高了文件的可靠性。

綜上所述，將 ".doc" 檔案轉換為 ".docx" 檔案可以提高檔案的效率、相容性和穩定性，是一種值得推薦的做法。

實踐

方案使用C#透過Microsoft Office Interop實現將.doc檔案轉換為.docx檔案。

新增引用：

image-20240313204705350

前提是需要電腦上安裝有word。

頁面設計如下所示：

image-20240319211338214

選擇doc檔案所在的資料夾：

   // 建立一個新的FolderBrowserDialog
   FolderBrowserDialog folderBrowserDialog = new FolderBrowserDialog();

   // 設定FolderBrowserDialog的屬性
   folderBrowserDialog.Description = "請選擇待轉換的doc檔案所在的資料夾";

   // 顯示FolderBrowserDialog，並獲取結果
   if (folderBrowserDialog.ShowDialog() == DialogResult.OK)
   {          
       docFolderPath = folderBrowserDialog.SelectedPath;
       richTextBox1.Text += $"你選擇的待轉換的doc檔案所在的資料夾是：{docFolderPath}\r\n";
   }

選擇儲存docx檔案的資料夾：

 // 建立一個新的FolderBrowserDialog
 FolderBrowserDialog folderBrowserDialog = new FolderBrowserDialog();

 // 設定FolderBrowserDialog的屬性
 folderBrowserDialog.Description = "請選擇儲存docx檔案的資料夾";

 // 顯示FolderBrowserDialog，並獲取結果
 if (folderBrowserDialog.ShowDialog() == DialogResult.OK)
 {
     // 使用者已選擇一個資料夾，可以透過folderBrowserDialog.SelectedPath獲取所選資料夾的路徑
     docxFolderPath = folderBrowserDialog.SelectedPath;
     richTextBox1.Text += $"你選擇的儲存docx檔案的資料夾是：{docFolderPath}\r\n";
 }

開始轉換按鈕事件處理函式：

 if (docFolderPath == null || docxFolderPath == null)
 {
     MessageBox.Show("請先選擇doc檔案所在的資料夾與儲存docx檔案的資料夾");
 }
 else
 {

     await DocToDocx();
 }

為了避免阻塞介面，使用了非同步方法。

DocToDocx方法如下所示：

  public async System.Threading.Tasks.Task DocToDocx()
  {
      // 使用Task.Run來啟動一個新的非同步任務
      await System.Threading.Tasks.Task.Run(() =>
      {
          // 建立 Word 應用程式例項
          Microsoft.Office.Interop.Word.Application wordApp = new Microsoft.Office.Interop.Word.Application();
       
          int i = 1;             
          // 遍歷所有.doc檔案
          foreach (string docFile in GetFiles(docFolderPath, "*.doc"))
          {
              // 開啟輸入的 .doc 檔案
              Document doc = wordApp.Documents.Open(docFile);

              // 獲取不帶副檔名的檔名
              string fileNameWithoutExtension = Path.GetFileNameWithoutExtension(docFile);

              // 將副檔名改為.docx
              string docxFileName = Path.ChangeExtension(fileNameWithoutExtension, ".docx");

              string docxFilePath = Path.Combine(docxFolderPath, docxFileName);

              // 將 .doc 檔案儲存為 .docx 格式
              doc.SaveAs2(docxFilePath, WdSaveFormat.wdFormatXMLDocument);

              // 關閉 .doc 檔案
              doc.Close();

              // 釋放 Document 物件的資源
              System.Runtime.InteropServices.Marshal.ReleaseComObject(doc);

              // 使用Invoke方法來更新richTextBox1
              richTextBox1.Invoke((Action)(() =>
              {
                  richTextBox1.Text += $"第{i}個檔案：{docFile}轉換完成 {DateTime.Now}\r\n";

                  // 設定插入點到文字的最後
                  richTextBox1.SelectionStart = richTextBox1.Text.Length;

                  // 滾動到插入點
                  richTextBox1.ScrollToCaret();
              }));

              i++;
          }

          // 退出 Word 應用程式
          wordApp.Quit();

          // 釋放資源
          System.Runtime.InteropServices.Marshal.ReleaseComObject(wordApp);
     
          // 使用Invoke方法來更新richTextBox1
          richTextBox1.Invoke((Action)(() =>
          {
              richTextBox1.Text += $"轉換完成 {DateTime.Now}\r\n";
          }));
      });

GetFiles方法如下所示：

   // 這個方法返回一個IEnumerable<string>，表示檔案的路徑
  public IEnumerable<string> GetFiles(string path, string searchPattern)
  {
      // 獲取資料夾下的所有檔案
      string[] files = Directory.GetFiles(path, searchPattern);

      // 遍歷所有檔案
      foreach (string file in files)
      {
          // 返回當前檔案
          yield return file;
      }
  }

這裡使用了yield關鍵字，使用yield的好處如下：

  1. 延遲執行：迭代器的執行會被延遲，直到迭代器被消費時才開始。這意味著如果你有一個大的資料集合需要處理，但並不需要立即處理所有資料，那麼使用yield可以幫助你節省記憶體和計算資源。
  2. 簡化程式碼：yield可以使你的程式碼更簡潔，更易於閱讀和理解。你不需要建立一個臨時的集合來儲存你的結果，而是可以直接使用yield return來返回結果。
  3. 無需一次性生成所有結果：當處理大量資料時，一次性生成所有結果可能會消耗大量記憶體。使用yield可以在每次迭代時只生成一個結果，從而節省記憶體。

實現原理其實很簡單，就是用新版本的word開啟再儲存就行了。

 // 開啟輸入的 .doc 檔案
 Document doc = wordApp.Documents.Open(docFile);

 // 獲取不帶副檔名的檔名
 string fileNameWithoutExtension = Path.GetFileNameWithoutExtension(docFile);

 // 將副檔名改為.docx
 string docxFileName = Path.ChangeExtension(fileNameWithoutExtension, ".docx");

 string docxFilePath = Path.Combine(docxFolderPath, docxFileName);

 // 將 .doc 檔案儲存為 .docx 格式
 doc.SaveAs2(docxFilePath, WdSaveFormat.wdFormatXMLDocument);

 // 關閉 .doc 檔案
 doc.Close();

 // 釋放 Document 物件的資源
 System.Runtime.InteropServices.Marshal.ReleaseComObject(doc);

需要轉換的doc檔案所在的資料夾：

image-20240320160856832

軟體使用截圖：

image-20240320163426589

實現效果：

image-20240320163450275

實現了批次doc檔案轉換為docx檔案。

如果不熟悉C#也可以透過Python實現。

以下是一個檔案轉換的示例程式碼，經過測試可行：

import os
import win32com.client

def convert_doc_to_docx(doc_path):
    # 建立Word應用程式物件
    word = win32com.client.Dispatch("Word.Application")

    # 開啟.doc檔案
    doc = word.Documents.Open(doc_path)

    # 設定新的檔案路徑
    docx_path = os.path.splitext(doc_path)[0] + ".docx"

    # 儲存檔案為.docx格式
    doc.SaveAs(docx_path, FileFormat=16)  # 16 represents wdFormatXMLDocument

    # 關閉文件
    doc.Close()

    # 關閉Word應用程式
    word.Quit()

# 使用函式
convert_doc_to_docx("Path")

由於時間精力有限，沒有寫成批次處理的形式。

還有一種方案就是在word裡寫VBA。

採用哪種方案可以根據自己的熟練度。

相關文章