写点什么

批量从 Word 中提取图片

用户头像
小小明
关注
发布于: 2021 年 03 月 30 日

作者:小小明


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?



即使你知道可以把 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。


但对于我小小明来说,这种东西都不是什么难事,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。


最终效果展示(文末附带 exe 可执行程序):



下面看看我的代码吧:


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
复制代码


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 Pathimport osimport 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()
复制代码


运行结果:

    E:\tmp\答疑整理\1.晚分享答疑.doc E:\tmp\答疑整理\temp\1.晚分享答疑.docx    E:\tmp\答疑整理\10-17问题答疑.doc E:\tmp\答疑整理\temp\10-17问题答疑.docx    E:\tmp\答疑整理\10-20答疑.doc E:\tmp\答疑整理\temp\10-20答疑.docx    E:\tmp\答疑整理\10月10日晚分享提问与答疑.doc E:\tmp\答疑整理\temp\10月10日晚分享提问与答疑.docx    E:\tmp\答疑整理\10月11日问题收集.doc E:\tmp\答疑整理\temp\10月11日问题收集.docx    E:\tmp\答疑整理\10月14答疑最新版.doc E:\tmp\答疑整理\temp\10月14答疑最新版.docx    E:\tmp\答疑整理\11月26、27日答疑汇总.doc E:\tmp\答疑整理\temp\11月26、27日答疑汇总.docx    E:\tmp\答疑整理\2018.10.15提问与答疑.doc E:\tmp\答疑整理\temp\2018.10.15提问与答疑.docx    E:\tmp\答疑整理\2018.10.18提问与答疑.doc E:\tmp\答疑整理\temp\2018.10.18提问与答疑.docx    E:\tmp\答疑整理\2018.10.9提问与答疑最终版.doc E:\tmp\答疑整理\temp\2018.10.9提问与答疑最终版.docx    E:\tmp\答疑整理\2018.12.01答疑.doc E:\tmp\答疑整理\temp\2018.12.01答疑.docx    E:\tmp\答疑整理\2018.12.02答疑(1).doc E:\tmp\答疑整理\temp\2018.12.02答疑(1).docx    E:\tmp\答疑整理\2018.12.02答疑.doc E:\tmp\答疑整理\temp\2018.12.02答疑.docx    E:\tmp\答疑整理\20181204答疑.doc E:\tmp\答疑整理\temp\20181204答疑.docx    E:\tmp\答疑整理\20181206答疑.doc E:\tmp\答疑整理\temp\20181206答疑.docx    E:\tmp\答疑整理\20181208答疑.doc E:\tmp\答疑整理\temp\20181208答疑.docx    E:\tmp\答疑整理\2018年11月29日答疑(请以此为准).doc E:\tmp\答疑整理\temp\2018年11月29日答疑(请以此为准).docx    E:\tmp\答疑整理\7.10答疑整理.doc E:\tmp\答疑整理\temp\7.10答疑整理.docx    E:\tmp\答疑整理\7.9答疑整理.doc E:\tmp\答疑整理\temp\7.9答疑整理.docx
复制代码


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 itertoolsfrom zipfile import ZipFileimport 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 = 1for 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 += 1shutil.rmtree(f"{doc_path}/word")
复制代码


打印结果:


E:\tmp\答疑整理\10.16 答疑汇总.docx

E:\tmp\答疑整理\10.19 答疑汇总.docx

E:\tmp\答疑整理\12 月 7 号答疑稿.docx

word/media/image5.jpeg 1.jpeg

word/media/image4.png 2.png

word/media/image3.jpeg 3.jpeg

word/media/image2.gif 4.gif

word/media/image1.gif 5.gif

word/media/image6.gif 6.gif

E:\tmp\答疑整理\2018.10.12 提问与答疑.docx

word/media/image1.jpeg 7.jpeg

word/media/image2.png 8.png

word/media/image3.png 9.png

.....

E:\tmp\答疑整理\temp\7.9 答疑整理.docx

word/media/image1.jpeg 162.jpeg

word/media/image2.jpeg 163.jpeg

word/media/image3.png 164.png

word/media/image4.png 165.png

word/media/image5.jpeg 166.jpeg


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
复制代码


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')
复制代码


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 itertoolsimport osimport shutilfrom pathlib import Pathfrom zipfile import ZipFile
from PIL import Imagefrom 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)
复制代码


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
复制代码


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
复制代码


以下是完整代码:


#!/usr/bin/env python3# -*- coding: utf-8 -*-# 创建时间:2020/12/25 12:03__author__ = 'xiaoxiaoming'
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()
复制代码


运行效果:



打包 exe


创建并激活虚拟环境:


conda create -n gui python=3.6conda activate gui
复制代码


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 PySimpleGUIpip install pillowpip install pywin32pip install pyinstaller
复制代码



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
复制代码


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
复制代码


给 GUI 加入进度条


改造处理程序,借助协程反馈程序的处理进度,完整代码如下:


#!/usr/bin/env python3# -*- coding: utf-8 -*-# 创建时间:2020/12/25 21:46__author__ = 'xiaoxiaoming'
import itertoolsimport osimport shutilfrom pathlib import Pathfrom zipfile import ZipFile
from PIL import Imagefrom 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="")
复制代码


GUI 程序的最终完整代码:


#!/usr/bin/env python3# -*- coding: utf-8 -*-# 创建时间:2020/12/25 12:03__author__ = 'xiaoxiaoming'
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()
复制代码


重新打包:


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


运行效果:



发布于: 2021 年 03 月 30 日阅读数: 8
用户头像

小小明

关注

还未添加个人签名 2019.08.26 加入

还未添加个人简介

评论

发布
暂无评论
批量从Word中提取图片