python如何提取word文件中的所有圖片

這篇文章主要介紹“python如何提取word文件中的所有圖片”，在日常操作中，相信很多人在python如何提取word文件中的所有圖片問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”python如何提取word文件中的所有圖片”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！

前言

辦公中，偶爾會碰到一種情況，需要提取word文檔中的圖片，決定寫這樣一款工具自動提取圖片。
關于腳本的使用：
情景1：如果你拿到的是一個文件夾，所有的word文件都在這個文件夾的子目錄下，深度為1層，你可以直接使用該腳本
情景2：如果你拿到的是一個文件夾，打開之后，里面雜亂無章的充斥著各種文件，你也不確定word文檔都在哪，那么你需要使用Everything來手動提取出所有的word文檔，雖然我也可以讓腳本實現這個功能，但是使用腳本需要考慮到有可能存在同名文件，再處理起來代碼量會更大，還是用Everything手動移動文件吧，誰讓現在的代碼量已經遠超我預期了呢？
3：預處理前面的兩步之后，就可以直接運行腳本了
4：腳本注釋很詳細，這里不再贅述
5：目前僅支持docx格式的，主要原因是，如果支持doc的話，需要把doc轉為docx，轉換略慢，并且，我也用不到。如果你感興趣的話，我再最下面介紹了互轉的方法，你可以把這個函數加進去即可

代碼

import zipfile
import os
import shutil
import hashlib
import send2trash

'''
假設所有的word文檔存放在某路徑中,這個路徑中包含各種雜七雜八的玩意
使用Everything,或者"篩選文件.py"把所有的docx文件移動到C:\Users\asuka\Desktop\123
逐個解壓每個docx文檔,并提取圖片

強烈建議使用Everything用來篩選出所有的word文檔,這樣假如有兩個重名的文檔,可以手動處理
如果編寫軟件來實現的話,會麻煩很多
'''


# 一個用來解壓文件的函數
def extract_zip(zip_path):
    os.chdir(os.path.dirname(zip_path))  # 需要進入到這個路徑下，這樣解壓的文件，才在這個路徑下
    a = zipfile.ZipFile(zip_path)  # 調用zipfile.ZipFile()函數,創建一個ZipFile對象
    a.extractall()
    a.close()
    os.chdir(path)  # 恢復到之前的路徑


# 用來獲取所有的圖片
'''
測試的時候發現，不同word文件解壓之后，里面的圖片命名格式一致，
導致不能直接移動圖片，否則會造成文件覆蓋，這里需要對找到的每一個文件，進行重命名
'''


def get_picture(demo_path):
    count = 1  # 用來個圖片進行重命名
    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'):  # 設置圖片類型是這種
                move_f = current_folder + '\' + f  # 給出要移動的文件的路徑
                new_file_path = path2 + '\' + str(count) + '.' + f.rpartition('.')[-1]  # 指定新文件的文件路徑，文件名數字遞增，文件后綴
                shutil.move(move_f, new_file_path)  # 移動文件
                count += 1
    print('[-] 總共獲取圖片{}張'.format(count - 1))


# 對圖片去重
# 計算每個圖片的md5值，據此進行去重，去重的文件會被刪除到回收站中
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  # 獲取每個圖片的路徑
            f = open(picture_path, 'rb')  # 開始計算每個圖片的md5值
            md5obj = hashlib.md5()
            md5obj.update(f.read())
            get_hash = md5obj.hexdigest()
            f.close()
            md5_value = str(get_hash).upper()
            # 開始去重
            if md5_value in md5_list:
                send2trash.send2trash(picture_path)  # 如果這個文件的md5值曾經出現過，就刪除這張圖片
                count += 1
                print('[-] 刪除重復圖片：' + str(file))
            else:
                md5_list.append(md5_value)  # 如果這個圖片的md5值不存在列表中，就添加進列表中
    print('[-] 共刪除重復圖片：{}張'.format(count))


print('[+] 只有后綴是docx的word文檔才可以提取圖片！！！')
path = input('[+] 請輸入word文檔所在文件夾：')  # 獲取原始的word文檔所在路徑
os.chdir(path)

print("[+] 請輸入一個路徑，用來存放所有的圖片")
print("[+] 或者按回車鍵，我將自動把圖片整理之后存放在你的桌面")
path2 = input('')  # path2 用來存放所有的圖片文件
if len(path2):
    pass
else:
    desktop_path = os.path.join(os.path.expanduser("~"), 'Desktop')  # 獲取桌面路徑
    path2 = os.path.join(desktop_path, '所有word文件中的圖片')
    os.makedirs(path2)

files = os.listdir(path)  # 獲取指定文件夾下的所有文件
for file in files:  # 遍歷指定文件夾下的所有文件
    if file.endswith('docx'):  # 加一個判斷，這樣即使path路徑下有別的類型文件也無妨
        filename = file.rpartition('.')[0]  # 獲取文件的文件名
        file_path = os.path.join(path, filename)
        os.makedirs(file_path)  # 為獲取到的文件名創建一個文件夾
        shutil.move(file, file_path)  # 把word文檔移動到同名文件夾中
        word_path = os.path.join(file_path, file)  # 獲取此時word文件的文件路徑
        extract_zip(word_path)  # 不用改后綴，直接解壓docx文件

get_picture(path)
only_one(path2)
print('[-] 現有圖片：{}張'.format(len(os.listdir(path2))))

附：doc轉docx

介紹一下實現二者互轉
需要說明的是：
要安裝OFFICE，如果是使用金山WPS的，則還不能應用
轉換速度略慢，但還能接受
如果想轉換為其他格式文件，需要在format文件名內修改，并用如下save as 參數

代碼

關于第9行、第19行代碼：

第9行doc.SaveAs("{}x".format(fn), 12)：
"{}x".format(fn)相當于把C:UsersasukaDesktop11123.doc變成了C:UsersasukaDesktop11123.docx，首先是指定了路徑和文件名，然后12表示存儲成docx格式的，保證了后綴名和格式是對應的。

第19行doc.SaveAs("{}".format(fn[:-1]), 0)：
"{}".format(fn[:-1])相當于把C:UsersasukaDesktop11456.docx變成了C:UsersasukaDesktop11456.doc，指定了要另外保存的文件，保存的路徑和文件名，然后0表示存儲成doc格式的，保證了后綴名和格式是對應的。

from win32com import client


# 轉換doc為docx
def doc2docx(fn):
    word = client.Dispatch("Word.Application")  # 打開word應用程序
    # for file in files:
    doc = word.Documents.Open(fn)  # 打開word文件
    doc.SaveAs("{}x".format(fn), 12)  # 另存為后綴為".docx"的文件，其中參數12或16指docx文件
    doc.Close()  # 關閉原來word文件
    word.Quit()


# 轉換docx為doc
def docx2doc(fn):
    word = client.Dispatch("Word.Application")  # 打開word應用程序
    # for file in files:
    doc = word.Documents.Open(fn)  # 打開word文件
    doc.SaveAs("{}".format(fn[:-1]), 0)  # 另存為后綴為".docx"的文件，其中參數0指doc
    print(fn[:-1])
    doc.Close()  # 關閉原來word文件
    word.Quit()


doc2docx(r'C:UsersasukaDesktop11123.doc')
docx2doc(r'C:UsersasukaDesktop11456.docx')

到此，關于“python如何提取word文件中的所有圖片”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續學習更多相關知識，請繼續關注億速云網站，小編會繼續努力為大家帶來更多實用的文章！