专栏首页凹凸玩数据老板又出难题,气得我写了个自动化软件

老板又出难题,气得我写了个自动化软件

作者:小小明,Pandas数据处理专家,致力于帮助无数数据从业者解决数据处理难题

编辑:朱小五,一只不务正业的数据狗

日常工作中,领导要求你将一份 Word 文档中的图片存储到一个文件夹内,你可能会一边内心崩溃,一边开始一张张的 另存为

但假如领导要求你将几百个word文档中的图片全部都拷贝出来,你是不是打算离职不干了?

就比如下面这些word文档中的图片,你能否快速的把所有图片都拷贝出来呢?

如果老朋友们看过这篇文章《老板让我从Word中复制出1000张图片?》的话,就应该知道怎么做了。

不过,上次分享的这种方法还是有缺陷的:把word文档用压缩文件打开,逐个解压的话依然会耗时较长时间,另外里面掺杂了doc格式的word文档,你还需将这些03版本的word文档另存为docx格式。

今天,将给大家展示一下全新版本!!!

写个程序,十秒内全部给你转换完毕,并把图片都提取出来,还能批量从真实修改图片格式,而不是简单的修改一下扩展名。

(文末附带exe可执行程序)

下面开始展示

doc格式批量转为docx

python提供了win32com模块,其中的SaveAs方法可以代替人手批量将文件另存为我们需要的格式。

win32com包含在pypiwin32模块中,只需安装pypiwin32模块即可:

pip install pypiwin32

下面的代码将指定目录下的doc文件转换为docx格式,并放在该目录的temp_dir下面:

from win32com import client as wc  # 导入模块
from pathlib import Path
import os
import shutil

doc_path = r"E:\tmp\答疑整理"
temp_dir = "temp"
if os.path.exists(f"{doc_path}/{temp_dir}"):
    shutil.rmtree(f"{doc_path}/{temp_dir}")
os.mkdir(f"{doc_path}/{temp_dir}")

word = wc.Dispatch("Word.Application")  # 打开word应用程序
try:
    for filename in Path(doc_path).glob("*.doc"):
        file = str(filename)
        dest_name = str(filename.parent/f"{temp_dir}"/str(filename.name))+"x"
        print(file, dest_name)
        doc = word.Documents.Open(file)  # 打开word文件
        doc.SaveAs(dest_name, 12)  # 另存为后缀为".docx"的文件,其中参数12指docx文件
finally:
    word.Quit()

运行结果:

转换得到的文件:

批量提取docx文档的图片

docx文档其实也是一个zip压缩包,所以我们可以通过zip包解压它,下面的代码将解压每个docx文档中的图片,我将其移动到临时目录下的imgs目录下:

import itertools
from zipfile import ZipFile
import shutil

if os.path.exists(f"{doc_path}/{temp_dir}/imgs"):
    shutil.rmtree(f"{doc_path}/{temp_dir}/imgs")
os.makedirs(f"{doc_path}/{temp_dir}/imgs")

i = 1
for filename in itertools.chain(Path(doc_path).glob("*.docx"), (Path(doc_path)/temp_dir).glob("*.docx")):
    print(filename)
    with ZipFile(filename) as zip_file:
        for names in zip_file.namelist():
            if names.startswith("word/media/image"):
                zip_file.extract(names, doc_path)
                os.rename(f"{doc_path}/{names}",
                          f"{doc_path}/{temp_dir}/imgs/{i}{names[names.find('.'):]}")
                print("\t", names, f"{i}{names[names.find('.'):]}")
                i += 1
shutil.rmtree(f"{doc_path}/word")

打印结果:

提取结果:

批量图片格式转换

PIL:Python Imaging Library,已经是Python平台事实上的图像处理标准库了。PIL功能非常强大,但API却非常简单易用。

由于PIL仅支持到Python 2.7,加上年久失修,于是一群志愿者在PIL的基础上创建了兼容的版本,名字叫Pillow,支持最新Python 3.x,又加入了许多新特性,因此,我们可以直接安装使用Pillow。

如果安装了Anaconda,Pillow就已经可用了。否则,需要在命令行下通过pip安装:

pip install pillow

直接修改文件扩展名并不能真实的修改图片格式,通过pillow库我们即可将图片批量真实的转换为jpg格式:

from PIL import Image

if not os.path.exists(f"{doc_path}/imgs"):
    os.mkdir(f"{doc_path}/imgs")

for filename in Path(f"{doc_path}/{temp_dir}/imgs").glob("*"):
    file = str(filename)
    with Image.open(file) as im:
        im.convert('RGB').save(
            f"{doc_path}/imgs/{filename.name[:filename.name.find('.')]}.jpg", 'jpeg')

转换后:

完整代码

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
# 创建时间:2020/12/25 21:46
__author__ = 'xiaoxiaoming'

import itertools
import os
import shutil
from pathlib import Path
from zipfile import ZipFile

from PIL import Image
from win32com import client as wc  # 导入模块


def word_img_extract(doc_path, temp_dir):
    if os.path.exists(f"{doc_path}/{temp_dir}"):
        shutil.rmtree(f"{doc_path}/{temp_dir}")
    os.mkdir(f"{doc_path}/{temp_dir}")

    word = wc.Dispatch("Word.Application")  # 打开word应用程序
    try:
        for filename in Path(doc_path).glob("*.doc"):
            file = str(filename)
            dest_name = str(filename.parent / f"{temp_dir}" / str(filename.name)) + "x"
            print(file, dest_name)
            doc = word.Documents.Open(file)  # 打开word文件
            doc.SaveAs(dest_name, 12)  # 另存为后缀为".docx"的文件,其中参数12指docx文件
    finally:
        word.Quit()

    if os.path.exists(f"{doc_path}/{temp_dir}/imgs"):
        shutil.rmtree(f"{doc_path}/{temp_dir}/imgs")
    os.makedirs(f"{doc_path}/{temp_dir}/imgs")

    i = 1
    for filename in itertools.chain(Path(doc_path).glob("*.docx"), (Path(doc_path) / temp_dir).glob("*.docx")):
        print(filename)
        with ZipFile(filename) as zip_file:
            for names in zip_file.namelist():
                if names.startswith("word/media/image"):
                    zip_file.extract(names, doc_path)
                    os.rename(f"{doc_path}/{names}",
                              f"{doc_path}/{temp_dir}/imgs/{i}{names[names.find('.'):]}")
                    print("\t", names, f"{i}{names[names.find('.'):]}")
                    i += 1
    shutil.rmtree(f"{doc_path}/word")

    if not os.path.exists(f"{doc_path}/imgs"):
        os.mkdir(f"{doc_path}/imgs")

    for filename in Path(f"{doc_path}/{temp_dir}/imgs").glob("*"):
        file = str(filename)
        with Image.open(file) as im:
            im.convert('RGB').save(
                f"{doc_path}/imgs/{filename.name[:filename.name.find('.')]}.jpg", 'jpeg')


if __name__ == '__main__':
    doc_path = r"E:\tmp\答疑整理"
    temp_dir = "temp"
    word_img_extract(doc_path, temp_dir)

最终全部执行完成耗时7s:

GUI图形化工具开发

下面使用PySimpleGUI开发一个图形化工具,使用以下命令安装该库:

pip install PySimpleGUI

如果是下载速度慢的可以用下面的清华镜像地址下载:

pip install PySimpleGUI -i https://pypi.tuna.tsinghua.edu.cn/simple

以下是完整代码:

import PySimpleGUI as sg

from word_img_extract import word_img_extract

sg.change_look_and_feel("GreenMono")

layout = [
    [
        sg.Text("请输入word文档所在的目录:"),
        sg.In(size=(25, 1), enable_events=True, key="-FOLDER-"),
        sg.FolderBrowse('浏览'),
    ], [
        sg.Button('开始抽取', enable_events=True, key="抽取"),
        sg.Text(size=(40, 1), key="-TOUT-")
    ]
]
window = sg.Window('word文档图片抽取系统', layout)
while True:
    event, values = window.read()
    if event in (None,):
        break  # 相当于关闭界面
    elif event == "抽取":
        if values["-FOLDER-"]:
            window["-TOUT-"].update("准备抽取!!!")
            sg.popup('抽取期间程序将处于假死状态,请稍等片刻,提取完成后会弹出提示!!!\n点击ok后开始抽取!!!')
            window["-TOUT-"].update("正在抽取中...")
            word_img_extract(values["-FOLDER-"])
            window["-TOUT-"].update("抽取完毕!!!")
            sg.popup('抽取完毕!!!')
        else:
            sg.popup('请先输入word文档所在的路径!!!')
    print(f'Event: {event}, values: {values}')
window.close()

运行效果:

打包exe

创建并激活虚拟环境:

conda create -n gui python=3.6
conda activate gui

注意:创建虚拟环境和激活环境并不是必须,只是为了精简环境,可以跳过

安装打包所用的包:

pip install PySimpleGUI
pip install pillow
pip install pywin32
pip install pyinstaller

执行以下命令进行打包:

pyinstaller -F --icon=C:\Users\Think\Pictures\ico\ooopic_1467046829.ico word_img_extract_GUI.py

常用参数说明:

  • -F 表示生成单个可执行文件
  • -w 表示去掉控制台窗口,这在GUI界面时非常有用。不过如果是命令行程序的话那就把这个选项删除吧!
  • -p 表示你自己自定义需要加载的类路径,一般情况下用不到
  • -i 表示可执行文件的图标

打包结果:

带上-w参数打包,可以去掉控制台:

pyinstaller -wF --icon=C:\Users\Think\Pictures\ico\ooopic_1467046829.ico word_img_extract_GUI.py

给GUI加入进度条

改造处理程序,借助生成器反馈程序的处理进度,完整代码如下:

import itertools
import os
import shutil
from pathlib import Path
from zipfile import ZipFile

from PIL import Image
from win32com import client as wc  # 导入模块

def word_img_extract(doc_path, temp_dir="temp"):
    if os.path.exists(f"{doc_path}/{temp_dir}"):
        shutil.rmtree(f"{doc_path}/{temp_dir}")
    os.mkdir(f"{doc_path}/{temp_dir}")

    word = wc.Dispatch("Word.Application")  # 打开word应用程序
    try:
        files = list(Path(doc_path).glob("*.doc"))
        if len(files) == 0:
            raise Exception("当前目录中没有word文档")
        for i, filename in enumerate(files, 1):
            file = str(filename)
            dest_name = str(filename.parent / f"{temp_dir}" / str(filename.name)) + "x"
            # print(file, dest_name)
            doc = word.Documents.Open(file)  # 打开word文件
            doc.SaveAs(dest_name, 12)  # 另存为后缀为".docx"的文件,其中参数12指docx文件
            yield "word doc格式转docx格式:", i * 1000 // len(files)
    finally:
        word.Quit()

    if os.path.exists(f"{doc_path}/{temp_dir}/imgs"):
        shutil.rmtree(f"{doc_path}/{temp_dir}/imgs")
    os.makedirs(f"{doc_path}/{temp_dir}/imgs")

    i = 1
    files = list(itertools.chain(Path(doc_path).glob("*.docx"), (Path(doc_path) / temp_dir).glob("*.docx")))
    for j, filename in enumerate(files, 1):
        # print(filename)
        with ZipFile(filename) as zip_file:
            for names in zip_file.namelist():
                if names.startswith("word/media/image"):
                    zip_file.extract(names, doc_path)
                    os.rename(f"{doc_path}/{names}",
                              f"{doc_path}/{temp_dir}/imgs/{i}{names[names.find('.'):]}")
                    # print("\t", names, f"{i}{names[names.find('.'):]}")
                    i += 1
        yield "word提取图片:", j * 1000 // len(files)
    shutil.rmtree(f"{doc_path}/word")

    if not os.path.exists(f"{doc_path}/imgs"):
        os.mkdir(f"{doc_path}/imgs")

    files = list(Path(f"{doc_path}/{temp_dir}/imgs").glob("*"))
    for i, filename in enumerate(files, 1):
        file = str(filename)
        with Image.open(file) as im:
            im.convert('RGB').save(
                f"{doc_path}/imgs/{filename.name[:filename.name.find('.')]}.jpg", 'jpeg')
        yield "图片转换为jpg格式:", i * 1000 // len(files)


if __name__ == '__main__':
    doc_path = r"E:\tmp\答疑整理"
    for msg, i in word_img_extract(doc_path):
        print(f"\r {msg}{i}", end="")

GUI程序的最终完整代码:

import PySimpleGUI as sg

from word_img_extract import word_img_extract

sg.change_look_and_feel("GreenMono")

layout = [
    [
        sg.Text("请输入word文档所在的目录:"),
        sg.In(size=(25, 1), enable_events=True, key="-FOLDER-"),
        sg.FolderBrowse('浏览'),
    ], [
        sg.Button('开始抽取', enable_events=True, key="抽取"),
        sg.Text(text_color="red", size=(47, 2), key="error"),
    ], [
        sg.Text("准备:", size=(20, 1), key="-TOUT-"),
        sg.ProgressBar(1000, orientation='h', size=(35, 20), key='progressbar')
    ]
]
window = sg.Window('word文档图片抽取系统', layout)
while True:
    event, values = window.read()
    if event in (None,):
        break  # 相当于关闭界面
    elif event == "抽取":
        if values["-FOLDER-"]:
            window["error"].update("")
            try:
                for msg, i in word_img_extract(values["-FOLDER-"]):
                    window["-TOUT-"].update(msg)
                    window['progressbar'].UpdateBar(i)
                window["-TOUT-"].update('抽取完毕!!!')
            except Exception as e:
                window["error"].update(str(e))
        else:
            sg.popup('请先输入word文档所在的路径!!!')
window.close()

重新打包:

pyinstaller -wF --icon=C:\Users\Think\Pictures\ico\ooopic_1467046829.ico word_img_extract_GUI.py

运行效果:

exe下载

如果有小伙伴对代码不感兴趣,想直接使用打包好的exe软件,扫码关注「快学Python」(非本号)后台回复“0109” ,获取完整代码!

本文分享自微信公众号 - 凹凸数据(alltodata),作者:小小明

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2021-01-09

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 爬取6271家死亡公司数据,看十年创业公司消亡史

    前段时间老罗和王校长都成为自己的创业公司成了失信人,小五打算上IT桔子看看他们的公司。

    朱小五
  • 手撕numpy(三):切片和索引详解

    注意:上述两个切片是否存在问题,假如不存在,结果又是什么?如果你能回答正确这两个问题,python切片,就没有问题了。

    朱小五
  • 手撕numpy(四):数组的广播机制、数组元素的底层存储

    概念:广播(Broadcast)是numpy对不同形状(shape)的数组,进行数值计算的方式,对数组的算术运算通常在相对应的元素上进行。

    朱小五
  • 解决ViewPager和SlidingPaneLayout的滑动事件冲突问题

    在手指左右滑动时,SlidingPaneLayout会屏蔽ViewPager的滑动事件。

    砸漏
  • ViewPager和SlidingPaneLayout的滑动事件冲突解决方法

    在手指左右滑动时,SlidingPaneLayout会屏蔽ViewPager的滑动事件。

    砸漏
  • python 通过文件夹导入包的操作

    通过文件夹导入包要求每个目录下都有一个__init__.py文件,此文件可空白。也可不空。

    砸漏
  • Python 新建文件夹与复制文件夹内所有内容

    在指定路径下新建一个文件夹: import os def newfile(path): path=path.strip() path=path....

    chaibubble
  • Python os.path.help

    py3study
  • 阿里视频一面Java面经,回馈牛客(目测已凉)

    最近抽奖拿了牛客的T-shit,马克杯,电风扇,于是乎决定写篇新鲜的面经哈哈哈,各位有面经也都不要吝啬啊!

    牛客网
  • 用原型链的方式写一个类和子类

    王小婷

扫码关注云+社区

领取腾讯云代金券