Python提取Word中圖片的實現步驟

2022-07-19 18:01:29

1.思路

在網上查詢了半天，基本都是提取word中文字的，沒有找到可以把word中的圖片提取出來的方法。一個巧合的情況下，發現將word的字尾名改為zip，然後解壓該zip，可以看到原來word是這樣儲存的：

圖片就存放在固定的資料夾下：/word/media/；

那麼我們就只需要批次的修改檔案字尾名，並且解壓之後將圖片拷貝到需要存放的地方，然後將該資料夾清空留作下次的路徑，並且將檔案從zip改回docx即可。（注意：doc不支援這個方法，如果需要提取doc格式的圖片，可以先轉為docx,再提取即可）

2.具體實現

2.1匯入相關庫

'''
===========================================
  @author:  renjiaxin
  @time:    2018/8/9 0009   10:00
===========================================
'''
 
import zipfile
import os
import shutil

2.2定義函數

為了方便和其他函數呼叫，直接寫了個函數完成這個功能，在這裡，我們需要以下四個引數：

word檔案的路徑
zip壓縮檔案的路徑
臨時解壓的tmp路徑
最後需要儲存的store_path路徑

def word2pic(path, zip_path, tmp_path, store_path):
    '''
    :param path:原始檔
    :param zip_path:docx重新命名為zip
    :param tmp_path:中轉圖片資料夾
    :param store_path:最後儲存結果的資料夾（需要手動建立）
    :return:
    '''

2.3重新命名word檔案，將字尾名docx改為zip

    # 將docx檔案重新命名為zip檔案
    os.rename(path, zip_path)
    # 進行解壓
    f = zipfile.ZipFile(zip_path, 'r')
    # 將圖片提取並儲存
    for file in f.namelist():
        f.extract(file, tmp_path)
    # 釋放該zip檔案
    f.close()

2.4zip還原為docx檔案，並獲得圖片的列表

    # 將docx檔案從zip還原為docx
    os.rename(zip_path, path)
    # 得到快取資料夾中圖片列表
    pic = os.listdir(os.path.join(tmp_path, 'word/media'))

2.5將圖片複製到需要儲存的資料夾中

並且我們將檔案的名字命名為word所在的路徑

    # 將圖片複製到最終的資料夾中
    for i in pic:
        # 根據word的路徑生成圖片的名稱
        new_name = path.replace('\', '_')
        new_name = new_name.replace(':', '') + '_' + i
        shutil.copy(os.path.join(tmp_path + '/word/media', i), os.path.join(store_path, new_name))

2.6刪除tmp緩衝資料夾中的檔案，用以儲存下一次的檔案

    # 刪除緩衝資料夾中的檔案，用以儲存下一次的檔案
    for i in os.listdir(tmp_path):
        # 如果是資料夾則刪除
        if os.path.isdir(os.path.join(tmp_path, i)):
            shutil.rmtree(os.path.join(tmp_path, i))

2.7執行程式

if __name__ == '__main__':
    # 原始檔
    path = r'E:dogcat提取圖片log.docx'
    # docx重新命名為zip
    zip_path = r'E:dogcat提取圖片log.zip'
    # 中轉圖片資料夾
    tmp_path = r'E:dogcat提取圖片tmp'
    # 最後儲存結果的資料夾
    store_path = r'E:dogcat提取圖片測試'
    m = word2pic(path, zip_path, tmp_path, store_path)

3效果預覽

3.1源word

3.2提取的圖片

4附:doc轉docx

from win32com import client
import traceback
 
def doc2docx(doc_name, docx_name):
    '''
    # doc轉docx
    :param doc_name: doc檔案路徑
    :param docx_name: docx檔案路徑
    :return:
    '''
    try:
        # 首先將doc轉換成docx
        word = client.Dispatch("Word.Application")
        doc = word.Documents.Open(doc_name)
        # 使用引數16表示將doc轉換成docx
        doc.SaveAs(docx_name, 16)
        doc.Close()
        word.Quit()
    except:
        traceback.print_exc()

到此這篇關於Python提取Word中圖片的實現步驟的文章就介紹到這了,更多相關Python提取Word圖片內容請搜尋it145.com以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援it145.com！