Python提取Word中图片的实现步骤
作者:Jayce~ 时间:2022-11-07 20:25:10
1.思路
在网上查找了半天,基本都是提取word中文字的,没有找到可以把word中的图片提取出来的方法。一个巧合的情况下,发现将word的后缀名改为zip,然后解压该zip,可以看到原来word是这样存储的:
图片就存放在固定的文件夹下:/word/media/;
那么我们就只需要批量的修改文件后缀名,并且解压之后将图片拷贝到需要存放的地方,然后将该文件夹清空留作下次的路径,并且将文件从zip改回docx即可。(注意:doc不支持这个方法,如果需要提取doc格式的图片,可以先转为docx,再提取即可)
2.具体实现
2.1导入相关库
'''
===========================================
@author: renjiaxin
@time: 2018/8/9 0009 10:00
===========================================
'''
import zipfile
import os
import shutil
2.2定义函数
为了方便和其他函数调用,直接写了个函数完成这个功能,在这里,我们需要以下四个参数:
word文档的路径
zip压缩文件的路径
临时解压的tmp路径
最后需要保存的store_path路径
def word2pic(path, zip_path, tmp_path, store_path):
'''
:param path:源文件
:param zip_path:docx重命名为zip
:param tmp_path:中转图片文件夹
:param store_path:最后保存结果的文件夹(需要手动创建)
:return:
'''
2.3重命名word文件,将后缀名docx改为zip
# 将docx文件重命名为zip文件
os.rename(path, zip_path)
# 进行解压
f = zipfile.ZipFile(zip_path, 'r')
# 将图片提取并保存
for file in f.namelist():
f.extract(file, tmp_path)
# 释放该zip文件
f.close()
2.4zip还原为docx文件,并获得图片的列表
# 将docx文件从zip还原为docx
os.rename(zip_path, path)
# 得到缓存文件夹中图片列表
pic = os.listdir(os.path.join(tmp_path, 'word/media'))
2.5将图片复制到需要保存的文件夹中
并且我们将文件的名字命名为word所在的路径
# 将图片复制到最终的文件夹中
for i in pic:
# 根据word的路径生成图片的名称
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删除tmp缓冲文件夹中的文件,用以存储下一次的文件
# 删除缓冲文件夹中的文件,用以存储下一次的文件
for i in os.listdir(tmp_path):
# 如果是文件夹则删除
if os.path.isdir(os.path.join(tmp_path, i)):
shutil.rmtree(os.path.join(tmp_path, i))
2.7运行程序
if __name__ == '__main__':
# 源文件
path = r'E:\dogcat\提取图片\log.docx'
# docx重命名为zip
zip_path = r'E:\dogcat\提取图片\log.zip'
# 中转图片文件夹
tmp_path = r'E:\dogcat\提取图片\tmp'
# 最后保存结果的文件夹
store_path = r'E:\dogcat\提取图片\测试'
m = word2pic(path, zip_path, tmp_path, store_path)
3效果预览
3.1源word
3.2提取的图片
4附:doc转docx
from win32com import client
import traceback
def doc2docx(doc_name, docx_name):
'''
# doc转docx
:param doc_name: doc文档路径
:param docx_name: docx文档路径
:return:
'''
try:
# 首先将doc转换成docx
word = client.Dispatch("Word.Application")
doc = word.Documents.Open(doc_name)
# 使用参数16表示将doc转换成docx
doc.SaveAs(docx_name, 16)
doc.Close()
word.Quit()
except:
traceback.print_exc()
来源:https://geo-ai.blog.csdn.net/article/details/81673970
标签:Python,提取,Word,图片
0
投稿
猜你喜欢
asp一个空间绑定N个域名的方法!
2009-03-08 18:32:00
Python3中条件控制、循环与函数的简易教程
2021-06-09 18:22:54
挑战! 纯Javascript 重现经典网游! <魔力宝贝>
2008-10-04 10:37:00
python装饰器使用方法实例
2022-12-14 11:24:07
numpy中的log和ln函数解读
2023-06-14 22:46:40
JS 添加千分位与去掉千分位的示例
2010-08-20 06:18:20
那些被我遗忘掉的XHTML标签们
2008-06-07 14:27:00
python打印日志方法的使用教程(logging模块)
2023-12-10 01:39:14
python中的全局变量用法分析
2022-04-04 01:29:02
div、section、article 的区别
2011-02-26 15:39:00
从外到内提高SQL Server数据库性能
2009-01-22 14:12:00
在ie6下的hover伪类的使用
2008-06-01 13:51:00
在Python的Flask框架中使用模版的入门教程
2021-09-14 04:57:59
在应用环境中如何构造最优的数据库模式
2009-04-01 14:28:00
详解Python 3D引擎Ursina如何绘制立体图形
2021-11-17 06:04:20
解决Python3.8用pip安装turtle-0.0.2出现错误问题
2021-04-07 03:51:20
Python Pandas list列表数据列拆分成多行的方法实现
2021-04-20 18:56:01
windows下python安装pip图文教程
2023-11-18 19:27:20
网页模式化窗口
2008-04-27 20:52:00
建立适当的索引是实现查询优化的首要前提
2009-01-19 13:11:00