如何将本地文件系统中的docx/pdf文件上传至Django数据库

嘿，我来帮你搞定这个问题！要把本地的docx/pdf文件上传到Django数据库，咱们分步骤来，从模型配置到代码实现都给你安排明白：

首先得让你的Django模型能存下文件内容。如果是直接把文件二进制内容存在数据库里，用BinaryField就很合适；要是你想同时记录文件路径+把文件存在媒体文件夹，那用FileField，不过你明确说要上传到数据库，那优先用BinaryField。给你个示例模型：

from django.db import models
from django.utils import timezone

class Document(models.Model):
    filename = models.CharField(max_length=255)  # 存文件名
    file_type = models.CharField(max_length=10)  # 标记是docx还是pdf
    file_content = models.BinaryField()  # 核心：存文件的二进制内容
    upload_time = models.DateTimeField(default=timezone.now)

你现有的遍历逻辑可以优化下，重点是筛选出合法的docx/pdf文件，然后读取它们的二进制内容。这里帮你补全代码：

import os

# 替换成你要扫描的根文件夹路径
superpath = "/Users/you/Documents/your_files"

for dir_, _, files in os.walk(superpath):
    for filename in files:
        # 跳过临时文件（比如Word的~$开头临时文件）和非目标格式文件
        if filename.startswith('~$'):
            continue
        if not filename.lower().endswith(('.docx', '.pdf')):
            continue
        
        # 获取文件的绝对路径
        full_file_path = os.path.join(dir_, filename)
        # 提取文件类型后缀
        file_type = filename.split('.')[-1].lower()
        
        # 二进制模式读取文件内容（一定要用rb，避免编码问题）
        with open(full_file_path, 'rb') as f:
            file_binary_content = f.read()
        
        # 下一步就是把这些数据存到数据库，看第三步
        save_file_to_db(filename, file_type, file_binary_content)

要在Django环境下操作数据库，最方便的是写个自定义管理命令，这样你可以直接在终端运行。步骤如下：

1. 在你的Django app下创建management/commands文件夹（记得加__init__.py）
2. 新建upload_local_docs.py文件，内容如下：

from django.core.management.base import BaseCommand
import os
from your_app_name.models import Document  # 替换成你的app和模型名
from django.utils import timezone

class Command(BaseCommand):
    help = "扫描本地文件夹，把docx/pdf文件上传到Django数据库"

    def add_arguments(self, parser):
        # 让命令可以接收你要扫描的文件夹路径参数
        parser.add_argument('target_dir', type=str, help="要扫描的根文件夹路径")

    def handle(self, *args, **options):
        target_dir = options['target_dir']
        self.stdout.write(f"开始扫描文件夹：{target_dir}")

        for dir_, _, files in os.walk(target_dir):
            for filename in files:
                if filename.startswith('~$') or not filename.lower().endswith(('.docx', '.pdf')):
                    continue
                
                full_path = os.path.join(dir_, filename)
                file_type = filename.split('.')[-1].lower()

                try:
                    with open(full_path, 'rb') as f:
                        content = f.read()
                    
                    # 用get_or_create避免重复上传相同文件
                    doc, created = Document.objects.get_or_create(
                        filename=filename,
                        defaults={
                            'file_type': file_type,
                            'file_content': content,
                            'upload_time': timezone.now()
                        }
                    )
                    if created:
                        self.stdout.write(self.style.SUCCESS(f"成功上传：{filename}"))
                    else:
                        self.stdout.write(f"文件已存在，跳过：{filename}")
                except Exception as e:
                    self.stdout.write(self.style.ERROR(f"上传失败 {filename}：{str(e)}"))

写完之后，你就可以在终端运行这个命令了：

python manage.py upload_local_docs /你的目标文件夹路径

如果只是临时测试，也可以直接在Django shell里执行：

import os
from your_app_name.models import Document
from django.utils import timezone

superpath = "/你的目标文件夹路径"
for dir_, _, files in os.walk(superpath):
    for filename in files:
        if filename.startswith('~$') or not filename.lower().endswith(('.docx', '.pdf')):
            continue
        full_path = os.path.join(dir_, filename)
        file_type = filename.split('.')[-1].lower()
        with open(full_path, 'rb') as f:
            content = f.read()
        Document.objects.get_or_create(
            filename=filename,
            defaults={'file_type': file_type, 'file_content': content, 'upload_time': timezone.now()}
        )

• 大文件问题：如果你的文件特别大，BinaryField可能不是最优解，这时候可以考虑用FileField（默认存文件到媒体文件夹，数据库存路径），但如果一定要存数据库，要确保你的数据库支持大二进制存储（比如PostgreSQL的bytea，MySQL的LONGBLOB）。
• 编码问题：读取文件必须用rb模式，不然docx/pdf这种二进制文件会读坏。
• Django环境依赖：如果是写独立脚本（不是管理命令或shell），要先加载Django配置：

import django
import os

os.environ.setdefault("DJANGO_SETTINGS_MODULE", "你的项目名.settings")
django.setup()

这样就能顺利把本地的docx和pdf文件批量上传到Django数据库啦！

内容的提问来源于stack exchange，提问作者AshMGM