由于工作中需要从大量docx文档中提出图片,于是到网上搜索,找了一大堆都是分析xml文件并提取的,太过于复杂,实际上有更简单的方法,只是python-docx并未开发这个功能,但通过debug方式还是能找到资源信息,直接进行提取另存就好了。
本文为原创,如需转载请注明出处。
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