如何用Python移除DOCM文件宏并转换为DOCX以避免损坏？

可以实现，直接修改压缩包的方式失败是因为OOXML文件包含严格的结构元数据，仅删除VBA相关文件不足以让Word识别为有效的DOCX。以下是两种可靠的实现方案：

方案1：Windows环境下调用Word COM接口（最可靠） #

利用微软Word自身的功能，禁用宏打开DOCM文件后另存为DOCX，这和手动操作逻辑一致，兼容性最好。

步骤： #

1. 安装依赖：

pip install pywin32

2. 实现代码：

import win32com.client as win32
import os

def docm_to_docx_remove_macro(docm_path, docx_path):
    # 初始化Word应用
    word_app = win32.Dispatch("Word.Application")
    word_app.Visible = False
    word_app.DisplayAlerts = 0  # 屏蔽所有警告弹窗（包括宏安全提示）

    try:
        # 打开DOCM文件，自动禁用宏
        doc = word_app.Documents.Open(
            docm_path,
            ReadOnly=False,
            ConfirmConversions=False,
            AddToRecentFiles=False
        )
        # 另存为DOCX格式（FileFormat=16对应wdFormatXMLDocument）
        doc.SaveAs2(docx_path, FileFormat=16)
        doc.Close()
    except Exception as e:
        print(f"处理文件 {docm_path} 出错: {str(e)}")
    finally:
        # 确保Word进程关闭
        word_app.Quit()

# 使用示例
input_file = "sample.docm"
output_file = "sample_clean.docx"
if os.path.exists(input_file):
    docm_to_docx_remove_macro(input_file, output_file)
    print("转换完成")
else:
    print("输入文件不存在")

方案2：跨平台调用LibreOffice（无Windows/Office限制） #

如果没有安装微软Word，可以用LibreOffice的命令行工具实现转换，支持Windows、Linux、macOS。

步骤： #

1. 先安装LibreOffice（官网下载对应版本）。

2. Python调用代码：

import subprocess
import os

def docm_to_docx_libreoffice(docm_path, docx_path):
    # 检查LibreOffice是否安装
    try:
        subprocess.run(["libreoffice", "--version"], check=True, capture_output=True)
    except FileNotFoundError:
        print("未检测到LibreOffice，请先安装")
        return

    # 构造转换命令
    cmd = [
        "libreoffice",
        "--headless",  # 无界面运行
        "--invisible",
        "--convert-to", "docx",
        "--outdir", os.path.dirname(docx_path),
        "--disable-macros",
        docm_path
    ]

    try:
        subprocess.run(cmd, check=True, capture_output=True, text=True)
        # LibreOffice默认用原文件名改后缀，若需要指定输出名则手动重命名
        converted_default = os.path.splitext(os.path.basename(docm_path))[0] + ".docx"
        converted_default_path = os.path.join(os.path.dirname(docx_path), converted_default)
        if os.path.exists(converted_default_path) and not os.path.exists(docx_path):
            os.rename(converted_default_path, docx_path)
        print("转换完成")
    except subprocess.CalledProcessError as e:
        print(f"转换失败: {e.stderr}")

# 使用示例
input_file = "sample.docm"
output_file = "sample_clean.docx"
if os.path.exists(input_file):
    docm_to_docx_libreoffice(input_file, output_file)
else:
    print("输入文件不存在")

为什么直接修改压缩包会失败？ #

DOCM和DOCX都属于OOXML格式（本质是压缩包），但DOCM包含宏相关的额外部件：

1. word/vbaProject.bin：存储宏代码的文件
2. [Content_Types].xml：注册了application/vnd.ms-word.vbaProject的内容类型
3. word/_rels/document.xml.rels：包含指向vbaProject.bin的关系条目

仅删除vbaProject.bin，Word解析时会发现元数据中记录的部件缺失，或者内容类型不匹配，导致判定文件损坏。如果非要用这种方式，需要手动修改上述所有元数据文件，步骤繁琐且容易出错，不推荐。

内容的提问来源于stack exchange，提问作者Sina Matian