Go如何自动解压缩包？如何读取docx/doc文件内容？

痛定思痛。 2024-03-24 10:15 97阅读 0赞

> 在开发过程中，我们常常需要处理压缩包和文档文件。本文将介绍如何使用Go语言自动解压缩包和读取docx/doc文件。

### 一、解压缩包 ###

#### 压缩包格式 ####

常见的压缩包格式有zip、gzip、bzip2等。在Go语言中，使用archive/zip、compress/gzip、compress/bzip2包可以轻松地处理这些格式的文件。

#### 解压zip文件 ####

使用archive/zip包中的函数，我们可以轻松地操作zip文件。首先，我们需要打开zip文件：

zipFile, err := zip.OpenReader(zipPath)
    if err != nil {
        
        return err
    }
    defer zipFile.Close()

上面的代码使用zip.OpenReader函数打开一个zip文件，并返回一个\*zip.ReadCloser类型的对象，表示zip文件内容的读取器和关闭器。注意：在读取完zip文件后，记得使用defer语句关闭该文件。

接着，我们可以使用Read()函数来解压zip文件中的每一个文件，并将其写入到本地磁盘：

for _, zipFileInfo := range zipFile.Reader.File {
        
        dstPath := filepath.Join(outputDir, zipFileInfo.Name)
        dstDir := filepath.Dir(dstPath)
        err = os.MkdirAll(dstDir, 0755)
        if err != nil {
        
            return err
        }
    
        dstFile, err := os.OpenFile(dstPath, os.O_WRONLY|os.O_CREATE|os.O_TRUNC, zipFileInfo.Mode())
        if err != nil {
        
            return err
        }
    
        srcFile, err := zipFileInfo.Open()
        if err != nil {
        
            dstFile.Close()
            return err
        }
    
        _, err = io.Copy(dstFile, srcFile)
        dstFile.Close()
        srcFile.Close()
    
        if err != nil {
        
            return err
        }
    }

上面的代码中，我们首先拼接出本地文件路径，并创建其所在的目录结构。接着，使用os.OpenFile()函数以写入模式打开本地文件，并使用zipFileInfo.Mode()函数获取zip文件中该文件的权限信息。使用zipFileInfo.Open()函数将zip文件中的文件打开，并使用io.Copy()函数将其写入到本地文件中。如果出现任何错误，记得关闭本地文件和zip文件中的文件，以便资源得以正确释放。

### 解压gzip文件 ###

使用compress/gzip包，我们也可以轻松地解压gzip文件。具体方法如下：

gzipFile, err := os.Open(gzipPath)
    if err != nil {
        
        return err
    }
    defer gzipFile.Close()
    
    gzipReader, err := gzip.NewReader(gzipFile)
    if err != nil {
        
        return err
    }
    defer gzipReader.Close()
    
    dstPath := filepath.Join(outputDir, filepath.Base(gzipPath))
    dstFile, err := os.OpenFile(dstPath, os.O_CREATE|os.O_WRONLY|os.O_TRUNC, 0644)
    if err != nil {
        
        return err
    }
    defer dstFile.Close()
    
    _, err = io.Copy(dstFile, gzipReader)
    if err != nil {
        
        return err
    }

上面的代码首先打开gzip文件，并使用gzip.NewReader()函数创建一个gzip.Reader类型的对象，表示gzip文件内容的读取器。记得在读取完该文件之后关闭相关文件（即：gzip文件和读取器文件）。然后，通过使用os.OpenFile()函数以写入模式打开目标文件，并将gzip读取器中的内容复制到目标文件中即可。记得在操作完目标文件后关闭相关文件，以便资源成功释放。

#### 解压bzip2文件 ####

使用compress/bzip2包，可以轻松地解压bzip2文件。方法如下：

bzip2File, err := os.Open(bzip2Path)
    if err != nil {
        
        return err
    }
    defer bzip2File.Close()
    
    bzip2Reader := bzip2.NewReader(bzip2File)
    
    dstPath := filepath.Join(outputDir, filepath.Base(bzip2Path))
    dstFile, err := os.OpenFile(dstPath, os.O_CREATE|os.O_WRONLY|os.O_TRUNC, 0644)
    if err != nil {
        
        return err
    }
    defer dstFile.Close()
    
    _, err = io.Copy(dstFile, bzip2Reader)
    if err != nil {
        
        return err
    }

上面的代码中，我们使用bzip2.NewReader()函数创建一个bzip2.Reader类型的对象，表示bzip2文件内容的读取器。然后，以写入模式打开目标文件，将读取器中的内容复制到目标文件中，并在完成后关闭相关文件，释放资源。

### 二、读取docx/doc文件 ###

docx/doc文件是一种二进制文件格式，我们可以使用第三方库来读取其中的内容。Word文档通常使用.doc或.docx格式保存，其中.doc是二进制格式，而.docx则是XML格式的文件。接下来，我们将分别介绍如何读取这两种文件格式的内容。

#### 读取.doc格式文件 ####

我们可以使用github.com/LopPay/office-parser/ole、github.com/LopPay/office-parser/common和github.com/LopPay/office-parser/msdoc分别来处理ole文件、解析doc文件和读取doc文件中的数据。该库已经封装了所有的文本、图片、表格等元素的解析和转换。

下面是一个简单的读取doc文件的程序：

docFile, err := os.Open(docPath)
    if err != nil {
        
        return err
    }
    defer docFile.Close()
    
    docData, err := msdoc.ParseDocFile(docFile)
    if err != nil {
        
        return err
    }
    
    for _, para := range docData.Paragraphs {
        
        for _, run := range para.Runs {
        
            fmt.Print(run.Text)
        }
        fmt.Println()
    }

上面的代码中，我们首先使用os.Open()函数打开doc文件，并使用msdoc.ParseDocFile()函数解析该文件。该函数返回一个msdoc.Document类型的对象，该对象包括文本、图片、表格等信息。下面的代码将遍历每一个段落和其中的Run实例，并将其内容输出到控制台。

#### 读取.docx格式文件 ####

我们可以使用第三方库github.com/unidoc/unioffice来读取.docx格式的文件。该库支持读取和写入单个文件、读取和写入多个文件、转换和操作表格、图像、段落、样式等操作。

下面是一个简单的读取.docx文件的程序：

docFile, err := os.Open(docxPath)
    if err != nil {
        
        return err
    }
    defer docFile.Close()
    
    doc, err := document.Open(docFile)
    if err != nil {
        
        return err
    }
    
    for _, para := range doc.Paragraphs() {
        
        for _, run := range para.Runs() {
        
            fmt.Print(run.Text())
        }
        fmt.Println()
    }

上面的代码中，我们首先使用os.Open()函数打开docx文件，并使用document.Open()函数解析该文件。该函数返回一个document.Document类型的对象，该对象包括文本、图片、表格等信息。下面的代码将遍历每一个段落和其中的Run实例，并将其内容输出到控制台。

### 三、总结 ###

本文介绍了如何使用Go语言自动解压缩包和读取docx/doc文件。具体来说，我们使用了相应的第三方库和Go语言内置库中的代码。

上述代码运行起来比较简单，适合初学者学习和实践。希望对大家有帮助，大家可以自行根据需求进行修改和扩展。

### 文章首发 ###

我的文章会首发在我的公众号：[程序员升职加薪之旅][Link 1]，欢迎大家关注，第一时间收到最新内容。

### 一起学习 ###

我的所有文章都会首发在我的 [**学习小圈子**][Link 1] ，欢迎加入我们，一起学习进步，一起升职加薪。

[Link 1]: https://mp.weixin.qq.com/s?__biz=MzIyNjM0MzQyNg==&mid=2247486565&idx=2&sn=76e0d850c0a7d2cfe398ca2c1391c4d9&chksm=e870a308df072a1e73c42f4cdb99a636614ad8eff839168fb1bc3241156899e2a9420ed4cea9&token=400433917&lang=zh_CN&scene=21#wechat_redirect