Python提取PDF中的图片(需要的自取）：
最近项目需要把word、PDF中的图片专门提取出来保存到另外的文件夹，最终成功实现；
最近项目需要把word、PDF中的图片专门提取出来保存到另外的文件夹，最终成功实现；
最近项目需要把word、PDF中的图片专门提取出来保存到另外的文件夹，最终成功实现；
重要的事情说三遍，详细步骤记录如下：
目录
扫描二维码关注公众号，回复：
2784560 查看本文章
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: 2018/8/9 0009 10:00
===========================================
'''
import zipfile
import os
import shutil
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
def word2pic(path, zip_path, tmp_path, store_path):
'''
:param path:源文件
:param zip_path:docx重命名为zip
:param tmp_path:中转图片文件夹
:param store_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
for file in f.namelist():
f.extract(file, tmp_path)
# 释放该zip文件
f.close()2.4docx还原为zip文件，并获得图片的列表
# 将docx文件从zip还原为docx
os.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
for i in pic:
# 根据word的路径生成图片的名称
new_name = path.replace('\\', '_')
new_name = new_name.replace(':', '') + '_' + i
shutil.copy(os.path.join(tmp_path + '/word/media', i), os.path.join(store_path, new_name))2.7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
for i in os.listdir(tmp_path):
# 如果是文件夹则删除
if os.path.isdir(os.path.join(tmp_path, i)):
shutil.rmtree(os.path.join(tmp_path, i))
2.8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zip
zip_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
def doc2docx(doc_name, docx_name):
'''
# doc转docx
:param doc_name: doc文档路径
:param docx_name: docx文档路径
:return:
'''
try:
# 首先将doc转换成docx
word = client.Dispatch("Word.Application")
doc = word.Documents.Open(doc_name)
# 使用参数16表示将doc转换成docx
doc.SaveAs(docx_name, 16)
doc.Close()
word.Quit()
except:
pass