使用zipfile库解压docx文件提示“非zip文件”的问题求助

我刚碰到过一模一样的坑！你遇到的zipfile.BadZipFile错误根本不是文件的问题——手动改zip能解压就说明文件本身是合法的压缩包，问题出在你打开文件的方式上！

问题根源 #

默认的open()函数是用文本模式打开文件的，而docx本质是二进制的zip压缩包，文本模式会自动转换换行符等二进制数据，破坏了压缩包的结构，导致zipfile识别失败。

两种解决方案 #

方案1：直接用二进制模式打开（推荐，最简单）

不需要重命名任何文件，只需要把open()的模式改成'rb'（read binary）就行，这是最直接的解决办法。

修正后的完整代码：

import zipfile
from lxml import etree
import pandas as pd

FILE_PATH = 'C:/Users/user/Documents/Python Project'

class Application():
    def __init__(self):
        print('Initialized!')
        xml_content = self.get_word_xml(f'{FILE_PATH}/DocxFile.docx')
        xml_tree = self.get_xml_tree(xml_content)
        # 接下来就可以基于xml_tree解析表格，转成pandas DataFrame了

    def get_word_xml(self, docx_filename):
        # 核心修改：用二进制模式'rb'打开文件
        with open(docx_filename, 'rb') as f:
            zip_ref = zipfile.ZipFile(f)
            xml_content = zip_ref.read('word/document.xml')
        return xml_content

    def get_xml_tree(self, xml_string):
        return etree.fromstring(xml_string)

if __name__ == "__main__":
    a = Application()
    # 原代码里的a.mainloop()看起来是tkinter的方法，如果不是GUI程序可以去掉

方案2：自动重命名文件（不推荐，但满足需求）

如果你非要通过重命名的方式来实现，也可以在代码里临时把docx复制成zip文件，用完再删掉（避免污染原文件）：

import zipfile
from lxml import etree
import pandas as pd
import os
import shutil

FILE_PATH = 'C:/Users/user/Documents/Python Project'

class Application():
    def __init__(self):
        print('Initialized!')
        xml_content = self.get_word_xml(f'{FILE_PATH}/DocxFile.docx')
        xml_tree = self.get_xml_tree(xml_content)

    def get_word_xml(self, docx_filename):
        # 生成临时zip文件名
        temp_zip = docx_filename.replace('.docx', '.zip')
        # 复制原docx文件为zip（不修改原文件）
        shutil.copy(docx_filename, temp_zip)
        try:
            # 同样要以二进制模式打开
            with open(temp_zip, 'rb') as f:
                zip_ref = zipfile.ZipFile(f)
                xml_content = zip_ref.read('word/document.xml')
        finally:
            # 用完删除临时文件
            os.remove(temp_zip)
        return xml_content

    def get_xml_tree(self, xml_string):
        return etree.fromstring(xml_string)

if __name__ == "__main__":
    a = Application()

你之前的报错堆栈 #

Traceback (most recent call last):
File "C:\Users\user\Documents\New_Tool.py", line 39, in
a = Application()
File "C:\Users\user\Documents\New_Tool.py", line 27, in init
xml_content = self.get_word_xml(f'{FILE_PATH}/DocxFile.docx')
File "C:\Users\user\Documents\New_Tool.py", line 32, in get_word_xml
zip = zipfile.ZipFile(f)
File "C:\Progra~1\Anaconda3\lib\zipfile.py", line 1222, in init
self._RealGetContents()
File "C:\Progra~1\Anaconda3\lib\zipfile.py", line 1289, in _RealGetContents
raise BadZipFile("File is not a zip file")
zipfile.BadZipFile: File is not a zip file

内容的提问来源于stack exchange，提问作者Maximus3537