怎么使用Python提取Word中的图片(python,Word,开发技术)

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:2018/8/9000910:00==========================================='''importzipfileimportosimportshutil

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

defword2pic(path,zip_path,tmp_path,store_path):''':parampath:源文件:paramzip_path:docx重命名为zip:paramtmp_path:中转图片文件夹:paramstore_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forfileinf.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docxos.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foriinpic:#根据word的路径生成图片的名称new_name=path.replace('\\','_')new_name=new_name.replace(':','')+'_'+ishutil.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foriinos.listdir(tmp_path):#如果是文件夹则删除ifos.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zipzip_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

fromwin32comimportclientimporttracebackdefdoc2docx(doc_name,docx_name):'''#doc转docx:paramdoc_name:doc文档路径:paramdocx_name:docx文档路径:return:'''try:#首先将doc转换成docxword=client.Dispatch("Word.Application")doc=word.Documents.Open(doc_name)#使用参数16表示将doc转换成docxdoc.SaveAs(docx_name,16)doc.Close()word.Quit()except:traceback.print_exc()