zipfile.ZipFile解压缩了错误的文件

Question

我正在处理一个处理文档的xml文件的项目。我的方法如下所示。首先将DOCX文档转换为zip存档，然后提取该存档的内容以便访问document.xml文件，最后将XML转换为txt以便使用它。

所以我在一个文档上做了上面所有的工作，一切都很好，但是当我决定使用一个不同的文档时，Zipfile库不会提取新压缩文件的内容，但是它会以某种方式提取我之前处理的旧文档的内容，并将document.xml文件转换为document.txt，而我甚至不需要运行将XML转换为txt的代码块。

最糟糕的是，旧文档甚至不在目录中，所以我不知道Zipfile是如何提取该特定文档的内容的，即使它不在路径中。

这是我在Jupyter notebook中使用的代码。

import shutil
import zipfile

# Convert the DOCX to ZIP
shutil.copyfile('data/docx/input.docx', 'data/zip/document.zip')

# Extract the ZIP
with zipfile.ZipFile('zip/document.zip', 'r') as zip_ref:
    zip_ref.extractall('data/extracted/')

# Convert "document.xml" to txt
os.rename('extracted/word/document.xml', 'extracted/word/document.txt')

# Read the txt file
with open('extracted/word/document.txt') as intxt:
    data = intxt.read()

这是第一个文档的解压缩zip存档的目录树。

data -
     1-docx
     2-zip
     3-extracted/-
                1-customXml/
                2-docProps/
                3-_rels
                4-[Content_Types].xml
                5-word/-document.txt

第二个文档的目录树应该如下所示

data -
     1-docx
     2-zip
     3-extracted/-
                1-customXml/
                2-docProps/
                3-_rels
                4-[Content_Types].xml
                5-word/-document.xml

但是，即使DOCX文件不在目录中，Zipfile也会提取第一个文档的内容。我也在使用Ubuntu20.04，所以我不确定这是否与我的操作系统有关。

Answer 1

我怀疑您在相对路径方面有问题，因为解压任何Word文档都会创建相同的文件/目录结构。我建议使用绝对路径来避免这种情况。您可能还想做的是，在完成对提取的文件和目录的操作和处理之后，删除它们。这样您就不会遇到任何延迟文件的问题。