python怎么提取word文件中的所有图片 |
您所在的位置：网站首页 › 怎样提取word文档图片 › python怎么提取word文件中的所有图片 |
python怎么提取word文件中的所有图片
|
有些时候我们需要进行word图片提取的操作。如果用手工的方式去一个一个地打开文件进行保存，无疑是一件很累人的事情。实际上我们可以使用python批量提取word图片，接下来我们就来看看怎么做吧。 前言办公中，偶尔会碰到一种情况，需要提取word文档中的图片，决定写这样一款工具自动提取图片。 关于脚本的使用： 情景1：如果你拿到的是一个文件夹，所有的word文件都在这个文件夹的子目录下，深度为1层，你可以直接使用该脚本 情景2：如果你拿到的是一个文件夹，打开之后，里面杂乱无章的充斥着各种文件，你也不确定word文档都在哪，那么你需要使用Everything来手动提取出所有的word文档，虽然我也可以让脚本实现这个功能，但是使用脚本需要考虑到有可能存在同名文件，再处理起来代码量会更大，还是用Everything手动移动文件吧，谁让现在的代码量已经远超我预期了呢？ 3：预处理前面的两步之后，就可以直接运行脚本了 4：脚本注释很详细，这里不再赘述 5：目前仅支持docx格式的，主要原因是，如果支持doc的话，需要把doc转为docx，转换略慢，并且，我也用不到。如果你感兴趣的话，我再最下面介绍了互转的方法，你可以把这个函数加进去即可 代码 import zipfile import os import shutil import hashlib import send2trash ''' 假设所有的word文档存放在某路径中,这个路径中包含各种杂七杂八的玩意 使用Everything,或者"筛选文件.py"把所有的docx文件移动到C:\Users\asuka\Desktop\123 逐个解压每个docx文档,并提取图片 强烈建议使用Everything用来筛选出所有的word文档,这样假如有两个重名的文档,可以手动处理 如果编写软件来实现的话,会麻烦很多 ''' # 一个用来解压文件的函数 def extract_zip(zip_path): os.chdir(os.path.dirname(zip_path)) # 需要进入到这个路径下，这样解压的文件，才在这个路径下 a = zipfile.ZipFile(zip_path) # 调用zipfile.ZipFile()函数,创建一个ZipFile对象 a.extractall() a.close() os.chdir(path) # 恢复到之前的路径 # 用来获取所有的图片 ''' 测试的时候发现，不同word文件解压之后，里面的图片命名格式一致， 导致不能直接移动图片，否则会造成文件覆盖，这里需要对找到的每一个文件，进行重命名 ''' def get_picture(demo_path): count = 1 # 用来个图片进行重命名 for current_folder, list_folders, files in os.walk(demo_path): for f in files: if f.endswith('png') or f.endswith('jpg') or f.endswith('jpeg'): # 设置图片类型是这种 move_f = current_folder + '\' + f # 给出要移动的文件的路径 new_file_path = path1 + '\' + str(count) + '.' + f.rpartition('.')[-1] # 指定新文件的文件路径，文件名数字递增，文件后缀 shutil.move(move_f, new_file_path) # 移动文件 count += 1 print('[-] 总共获取图片{}张'.format(count - 1)) # 对图片去重 # 计算每个图片的md5值，据此进行去重，去重的文件会被删除到回收站中 def only_one(test_path): md5_list = [] count = 0 for current_folder, list_folders, files in os.walk(test_path): for file in files: picture_path = current_folder + '\' + file # 获取每个图片的路径 f = open(picture_path, 'rb') # 开始计算每个图片的md5值 md5obj = hashlib.md5() md5obj.update(f.read()) get_hash = md5obj.hexdigest() f.close() md5_value = str(get_hash).upper() # 开始去重 if md5_value in md5_list: send2trash.send2trash(picture_path) # 如果这个文件的md5值曾经出现过，就删除这张图片 count += 1 print('[-] 删除重复图片：' + str(file)) else: md5_list.append(md5_value) # 如果这个图片的md5值不存在列表中，就添加进列表中 print('[-] 共删除重复图片：{}张'.format(count)) print('[+] 只有后缀是docx的word文档才可以提取图片！！！') path = input('[+] 请输入word文档所在文件夹：') # 获取原始的word文档所在路径 os.chdir(path) print("[+] 请输入一个路径，用来存放所有的图片") print("[+] 或者按回车键，我将自动把图片整理之后存放在你的桌面") path1 = input('') # path1 用来存放所有的图片文件 if len(path1): pass else: desktop_path = os.path.join(os.path.expanduser("~"), 'Desktop') # 获取桌面路径 path1 = os.path.join(desktop_path, '所有word文件中的图片') os.makedirs(path1) files = os.listdir(path) # 获取指定文件夹下的所有文件 for file in files: # 遍历指定文件夹下的所有文件 if file.endswith('docx'): # 加一个判断，这样即使path路径下有别的类型文件也无妨 filename = file.rpartition('.')[0] # 获取文件的文件名 file_path = os.path.join(path, filename) os.makedirs(file_path) # 为获取到的文件名创建一个文件夹 shutil.move(file, file_path) # 把word文档移动到同名文件夹中 word_path = os.path.join(file_path, file) # 获取此时word文件的文件路径 extract_zip(word_path) # 不用改后缀，直接解压docx文件 get_picture(path) only_one(path1) print('[-] 现有图片：{}张'.format(len(os.listdir(path1))))GIF示例
Everything提取文件的演示（手动处理同名word文件，我这里对同名文件进行替换）：
介绍一下实现二者互转 需要说明的是： 要安装OFFICE，如果是使用金山WPS的，则还不能应用 转换速度略慢，但还能接受 如果想转换为其他格式文件，需要在format文件名内修改，并用如下save as 参数
代码 关于第9行、第19行代码： 第9行doc.SaveAs("{}x".format(fn), 12)： "{}x".format(fn)相当于把C:UsersasukaDesktop11123.doc变成了C:UsersasukaDesktop11123.docx，首先是指定了路径和文件名，然后12表示存储成docx格式的，保证了后缀名和格式是对应的。 第19行doc.SaveAs("{}".format(fn[:-1]), 0)： "{}".format(fn[:-1])相当于把C:UsersasukaDesktop11456.docx变成了C:UsersasukaDesktop11456.doc，指定了要另外保存的文件，保存的路径和文件名，然后0表示存储成doc格式的，保证了后缀名和格式是对应的。 from win32com import client # 转换doc为docx def doc2docx(fn): word = client.Dispatch("Word.Application") # 打开word应用程序 # for file in files: doc = word.Documents.Open(fn) # 打开word文件 doc.SaveAs("{}x".format(fn), 12) # 另存为后缀为".docx"的文件，其中参数12或16指docx文件 doc.Close() # 关闭原来word文件 word.Quit() # 转换docx为doc def docx2doc(fn): word = client.Dispatch("Word.Application") # 打开word应用程序 # for file in files: doc = word.Documents.Open(fn) # 打开word文件 doc.SaveAs("{}".format(fn[:-1]), 0) # 另存为后缀为".docx"的文件，其中参数0指doc print(fn[:-1]) doc.Close() # 关闭原来word文件 word.Quit() doc2docx(r'C:UsersasukaDesktop11123.doc') docx2doc(r'C:UsersasukaDesktop11456.docx')
到此这篇python批量提取word图片的文章就介绍到这了,更多python学习内容请搜索W3Cschool以前的文章或继续浏览下面的相关文章。 |
【本文地址】
今日新闻 |
推荐新闻 |