仕事で大量の docx ドキュメントから画像を抽出する必要があるため、インターネットで検索したところ、xml ファイルから分析して抽出したものが多く、複雑すぎました。実際には、もっと簡単な方法がありますが、python-docx にはこの機能が開発されていませんでしたが、リソース情報はデバッグ メソッドを通じて見つけることができ、直接抽出して保存するだけです。
この記事はオリジナルですので、転載する場合は出典を明記してください。
for file in os.listdir(filePath):
try:
#跳过非docx文件
if ".docx" not in file:
continue
# 创建imgPath
subImgPath = imgPath + re.sub(".docx","",file)
if not os.path.exists(subImgPath):
os.makedirs(subImgPath)
doc = docx.Document(filePath + file) #打开文件
for rel in doc.part._rels:
rel = doc.part._rels[rel] #获得资源
if "image" not in rel.target_ref:
continue
imgName = re.findall("/(.*)",rel.target_ref)[0]
with open(subImgPath + "/" + imgName,"wb") as f:
f.write(rel.target_part.blob)
UI.currentFile.setText("当前文件:" + imgName)
except:
continue
代码中subImagPath是为了按文件名创建目录而生成的一个变量。直接利用python-docx已解析xml结构,从中提出相关数据进行图片保存,此方法速度十分快,不用打开word,速度根据各位电脑情况而定,如果同时再结合多进程的话,感觉可以飞上天。