半年前写过一个小的 Python 脚本来帮助分析一些工作文档的内容，其中 .docx 文件是用 python-docx 来解析的，但今天碰到一个问题，直接在加载文件的时候就报错了，call stack 还涉及到了 zipfile 之类的，一看就不是善茬：

Traceback (most recent call last):
  File "c:\util\doc_parser.py", line 157, in parse_spec_file
    doc = Document(filepath)
  File "c:\util\venv\lib\site-packages\docx\api.py", line 25, in Document
    document_part = Package.open(docx).main_document_part
  File "c:\util\venv\lib\site-packages\docx\opc\package.py", line 128, in open
    pkg_reader = PackageReader.from_file(pkg_file)
  File "c:\util\venv\lib\site-packages\docx\opc\pkgreader.py", line 35, in from_file
    sparts = PackageReader._load_serialized_parts(
  File "c:\util\venv\lib\site-packages\docx\opc\pkgreader.py", line 69, in _load_serialized_parts
    for partname, blob, reltype, srels in part_walker:
  File "c:\util\venv\lib\site-packages\docx\opc\pkgreader.py", line 110, in _walk_phys_parts
    for partname, blob, reltype, srels in next_walker:
  File "c:\util\venv\lib\site-packages\docx\opc\pkgreader.py", line 105, in _walk_phys_parts
    blob = phys_reader.blob_for(partname)
  File "c:\util\venv\lib\site-packages\docx\opc\phys_pkg.py", line 108, in blob_for
    return self._zipf.read(pack_uri.membername)
  File "C:\Users\xxx\AppData\Local\Programs\Python\Python38\lib\zipfile.py", line 1475, in read
    with self.open(name, "r", pwd) as fp:
  File "C:\Users\xxx\AppData\Local\Programs\Python\Python38\lib\zipfile.py", line 1514, in open
    zinfo = self.getinfo(name)
  File "C:\Users\xxx\AppData\Local\Programs\Python\Python38\lib\zipfile.py", line 1441, in getinfo
    raise KeyError(
KeyError: "There is no item named 'word/NULL' in the archive"

在网上简单搜索了下，似乎没什么好用的招，也看到 CSDN 上有个曲线救国的方案，大致就是手工解压后，直接用 BeautifulSoup 对其中感兴趣的 xml 内容进行解析。

中间还尝试过将文件另存、将文件内容复制粘贴到另外一个新建的文件，结果都还是不行，感觉基本可以排除文件格式方面的影响了。

继续在网上搜索，看到 python-docx 官网上的这个帖子，有点意思：

The way I would fix it on a single file would be to extract the package using opc-diag, grep through the relationship files to find NULL with something like grep NULL *.rels, and then just delete the offending relationship line.

对于 .docx 文件，我除了知道它们其实都是压缩文件，也没有更多的了解了。。。但看了这段话，结合前面做过的实验，感觉应该还是文档的内容有问题，准备老老实实看下内容，很不幸这个文档还 300 多页。。。只好切换到打印预览模式下缩小了先大致看下，结果比较容易就看到问题了，有两张引用的图像不存在！在 Word 里直接把这两个坏引用删除掉，保存后再用脚本解析就没问题了！

后来还尝试着把文件用 7-Zip 打开，可以找到对应的问题点：

本来想提个 Issue，看到有现成的就直接回复了下，先看看官方对这类问题是否值得修复是什么态度吧：fix: accommodate NULL relationship (by skipping)。