使用python提取docx文件中的所有图像
使用python提取docx文件中的所有图像
提问于 2020-02-13 14:08:17
我有一个docx文件，其中包含6-7个图像。我需要自动从这个文档文件中提取图像。有没有类似的win32com ms word API？或者任何可以准确提取其中所有图像的库？
这是我尝试过的，但问题首先是它没有给我所有的图像，其次它给了我许多错误的图像，比如空白图像，非常小的图像，线条等。它也使用MS word来做同样的事情。
from pathlib import Path
from win32com.client import Dispatch
xls = Dispatch("Excel.Application")
doc = Dispatch("Word.Application")
def export_images(fp, prefix="img_", suffix="png"):
""" export all of images(inlineShapes) in the word file.
:param fp: path of word file.
:param prefix: prefix of exported images.
:param suffix: suffix of exported images.
"""
fp = Path(fp)
word = doc.Documents.Open(str(fp.resolve()))
sh = xls.Workbooks.Add()
for idx, s in enumerate(word.inlineShapes, 1):
s.Range.CopyAsPicture()
d = sh.ActiveSheet.ChartObjects().add(0, 0, s.width, s.height)
d.Chart.Paste()
d.Chart.Export(fp.parent / ("%s_%s.%s" % (prefix, idx, suffix))
sh.Close(False)
word.Close(False)
export_images(r"C:\Users\HPO2KOR\Desktop\Work\venv\us2017010202.docx")你可以在这里下载docx文件https://drive.google.com/open?id=1xdw2MieI1n3ulXlkr
回答 4
Stack Overflow用户
回答已采纳
发布于 2020-02-13 14:45:04
你可以从docx解压所有的图片，预先按大小过滤：
import zipfile
archive = zipfile.ZipFile('file.docx')
for file in archive.filelist:
if file.filename.startswith('word/media/') and file.file_size > 300000:
archive.extract(file)在your example中，可以找到5图像：
Stack Overflow用户
发布于 2020-02-13 14:16:33
在枚举循环中，您可能应该检查形状类型是否为图片：
for idx, s in enumerate(word.inlineShapes, 1):
if s.Type != 3: # wdInlineShapePicture
continue
# ...Stack Overflow用户
发布于 2020-02-13 16:32:36
添加另一种方法来做同样的事情。我们可以使用doc2txt库来获取所有的图像
import docx2txt
text = docx2txt.process("docx_file", r"directory where you want to store the images")注意，它还在text变量中给出了在文件中找到的所有文本。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/60201419
复制相关文章
相似问题
腾讯云开发者
