knowledge/utils/file_converter.py

import os
import sys
import platform
from typing import Optional
import subprocess


def convert_doc_to_docx(input_path: str, output_path: Optional[str] = None) -> str:
    """
    将DOC文件转换为DOCX格式，兼容Windows和Linux系统

    参数:
        input_path: 输入的DOC文件路径
        output_path: 输出的DOCX文件路径(可选)，如果不指定则自动生成

    返回:
        转换后的文件路径
    """
    # 检查输入文件是否存在
    if not os.path.isfile(input_path):
        raise FileNotFoundError(f"输入文件不存在: {input_path}")

    # 检查文件扩展名
    if not input_path.lower().endswith('.doc'):
        raise ValueError("输入文件必须是DOC格式")

    # 设置默认输出路径
    if output_path is None:
        output_path = os.path.splitext(input_path)[0] + '.docx'

    # 根据操作系统选择转换方法
    system = platform.system().lower()

    if system == 'windows':
        _convert_using_comtypes(input_path, output_path)
    elif system == 'linux':
        _convert_using_libreoffice(input_path, output_path)
    else:
        raise NotImplementedError(f"不支持的操作系统: {system}")

    # 检查输出文件是否创建成功
    if not os.path.isfile(output_path):
        raise RuntimeError("文件转换失败，输出文件未生成")

    return output_path


def _convert_using_comtypes(input_path: str, output_path: str):
    """在Windows上使用comtypes和MS Word进行转换"""
    try:
        import comtypes.client
    except ImportError:
        raise ImportError("comtypes库未安装，请使用: pip install comtypes")

    # 确保路径是绝对路径
    input_path = os.path.abspath(input_path)
    output_path = os.path.abspath(output_path)

    try:
        word = comtypes.client.CreateObject('Word.Application')
        doc = word.Documents.Open(input_path)
        doc.SaveAs(output_path, FileFormat=16)  # 16表示docx格式
        doc.Close()
        word.Quit()
    except Exception as e:
        raise RuntimeError(f"使用MS Word转换失败: {str(e)}")


def _convert_using_libreoffice(input_path: str, output_path: str):
    """在Linux上使用LibreOffice进行转换"""
    # 检查unoconv是否可用
    try:
        # 方法1: 尝试使用unoconv (推荐)
        subprocess.run(['unoconv', '-f', 'docx', '-o', output_path, input_path],
                       check=True, stderr=subprocess.PIPE, stdout=subprocess.PIPE)
    except (subprocess.CalledProcessError, FileNotFoundError):
        try:
            # 方法2: 直接使用LibreOffice
            output_dir = os.path.dirname(output_path)
            subprocess.run([
                'libreoffice', '--headless', '--convert-to', 'docx',
                '--outdir', output_dir, input_path
            ], check=True, stderr=subprocess.PIPE, stdout=subprocess.PIPE)

            # LibreOffice的输出文件名可能与预期不同，需要处理
            expected_path = os.path.splitext(input_path)[0] + '.docx'
            if os.path.exists(expected_path) and expected_path != output_path:
                os.rename(expected_path, output_path)
        except subprocess.CalledProcessError as e:
            raise RuntimeError(f"LibreOffice转换失败: {e.stderr.decode('utf-8')}")
        except FileNotFoundError:
            raise RuntimeError("未找到LibreOffice或unoconv，请确保已安装")


if __name__ == '__main__':


    input_file = 'C:\\Users\\17664\\Desktop\\test\\test.doc'
    output_file = 'C:\\Users\\17664\\Desktop\\test\\test.docx'

    try:
        result = convert_doc_to_docx(input_file, output_file)
        print(f"转换成功: {result}")
    except Exception as e:
        print(f"转换失败: {str(e)}", file=sys.stderr)
        sys.exit(1)