python|使用python提取所有word文件中的所有图片 python|python

前言
代码
GIF示例
附：doc转docx
- 代码

前言办公中，偶尔会碰到一种情况，需要提取word文档中的图片，决定写这样一款工具自动提取图片。
关于脚本的使用：
情景1：如果你拿到的是一个文件夹，所有的word文件都在这个文件夹的子目录下，深度为1层，你可以直接使用该脚本
情景2：如果你拿到的是一个文件夹，打开之后，里面杂乱无章的充斥着各种文件，你也不确定word文档都在哪，那么你需要使用Everything来手动提取出所有的word文档，虽然我也可以让脚本实现这个功能，但是使用脚本需要考虑到有可能存在同名文件，再处理起来代码量会更大，还是用Everything手动移动文件吧，谁让现在的代码量已经远超我预期了呢？
3：预处理前面的两步之后，就可以直接运行脚本了
4：脚本注释很详细，这里不再赘述
5：目前仅支持docx格式的，主要原因是，如果支持doc的话，需要把doc转为docx，转换略慢，并且，我也用不到。如果你感兴趣的话，我再最下面介绍了互转的方法，你可以把这个函数加进去即可
代码

import zipfile import os import shutil import hashlib import send2trash''' 假设所有的word文档存放在某路径中,这个路径中包含各种杂七杂八的玩意使用Everything,或者"筛选文件.py"把所有的docx文件移动到C:\\Users\\asuka\\Desktop\\123 逐个解压每个docx文档,并提取图片强烈建议使用Everything用来筛选出所有的word文档,这样假如有两个重名的文档,可以手动处理如果编写软件来实现的话,会麻烦很多 '''# 一个用来解压文件的函数 def extract_zip(zip_path): os.chdir(os.path.dirname(zip_path))# 需要进入到这个路径下，这样解压的文件，才在这个路径下 a = zipfile.ZipFile(zip_path)# 调用zipfile.ZipFile()函数,创建一个ZipFile对象 a.extractall() a.close() os.chdir(path)# 恢复到之前的路径# 用来获取所有的图片 ''' 测试的时候发现，不同word文件解压之后，里面的图片命名格式一致，导致不能直接移动图片，否则会造成文件覆盖，这里需要对找到的每一个文件，进行重命名 '''def get_picture(demo_path): count = 1# 用来个图片进行重命名 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'):# 设置图片类型是这种 move_f = current_folder + '\\' + f# 给出要移动的文件的路径 new_file_path = path1 + '\\' + str(count) + '.' + f.rpartition('.')[-1]# 指定新文件的文件路径，文件名数字递增，文件后缀 shutil.move(move_f, new_file_path)# 移动文件 count += 1 print('[-] 总共获取图片{}张'.format(count - 1))# 对图片去重 # 计算每个图片的md5值，据此进行去重，去重的文件会被删除到回收站中 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# 获取每个图片的路径 f = open(picture_path, 'rb')# 开始计算每个图片的md5值 md5obj = hashlib.md5() md5obj.update(f.read()) get_hash = md5obj.hexdigest() f.close() md5_value = https://www.it610.com/article/str(get_hash).upper() # 开始去重 if md5_value in md5_list: send2trash.send2trash(picture_path)# 如果这个文件的md5值曾经出现过，就删除这张图片 count += 1 print('[-] 删除重复图片：' + str(file)) else: md5_list.append(md5_value)# 如果这个图片的md5值不存在列表中，就添加进列表中 print('[-] 共删除重复图片：{}张'.format(count))print('[+] 只有后缀是docx的word文档才可以提取图片！！！') path = input('[+] 请输入word文档所在文件夹：')# 获取原始的word文档所在路径 os.chdir(path)print("[+] 请输入一个路径，用来存放所有的图片") print("[+] 或者按回车键，我将自动把图片整理之后存放在你的桌面") path1 = input('')# path1 用来存放所有的图片文件 if len(path1): pass else: desktop_path = os.path.join(os.path.expanduser("~"), 'Desktop')# 获取桌面路径 path1 = os.path.join(desktop_path, '所有word文件中的图片') os.makedirs(path1)files = os.listdir(path)# 获取指定文件夹下的所有文件 for file in files:# 遍历指定文件夹下的所有文件 if file.endswith('docx'):# 加一个判断，这样即使path路径下有别的类型文件也无妨 filename = file.rpartition('.')[0]# 获取文件的文件名 file_path = os.path.join(path, filename) os.makedirs(file_path)# 为获取到的文件名创建一个文件夹 shutil.move(file, file_path)# 把word文档移动到同名文件夹中 word_path = os.path.join(file_path, file)# 获取此时word文件的文件路径 extract_zip(word_path)# 不用改后缀，直接解压docx文件get_picture(path) only_one(path1) print('[-] 现有图片：{}张'.format(len(os.listdir(path1))))

GIF示例
Everything提取文件的演示（手动处理同名word文件，我这里对同名文件进行替换）：

附：doc转docx 介绍一下实现二者互转
需要说明的是：
要安装OFFICE，如果是使用金山WPS的，则还不能应用
转换速度略慢，但还能接受
如果想转换为其他格式文件，需要在format文件名内修改，并用如下save as 参数

文章图片

代码 【python|使用python提取所有word文件中的所有图片】关于第9行、第19行代码：

第9行doc.SaveAs("{}x".format(fn), 12)：
"{}x".format(fn)相当于把C:\Users\asuka\Desktop\11\123.doc变成了C:\Users\asuka\Desktop\11\123.docx，首先是指定了路径和文件名，然后12表示存储成docx格式的，保证了后缀名和格式是对应的。
第19行doc.SaveAs("{}".format(fn[:-1]), 0)：
"{}".format(fn[:-1])相当于把C:\Users\asuka\Desktop\11\456.docx变成了C:\Users\asuka\Desktop\11\456.doc，指定了要另外保存的文件，保存的路径和文件名，然后0表示存储成doc格式的，保证了后缀名和格式是对应的。

from win32com import client# 转换doc为docx def doc2docx(fn): word = client.Dispatch("Word.Application")# 打开word应用程序 # for file in files: doc = word.Documents.Open(fn)# 打开word文件 doc.SaveAs("{}x".format(fn), 12)# 另存为后缀为".docx"的文件，其中参数12或16指docx文件 doc.Close()# 关闭原来word文件 word.Quit()# 转换docx为doc def docx2doc(fn): word = client.Dispatch("Word.Application")# 打开word应用程序 # for file in files: doc = word.Documents.Open(fn)# 打开word文件 doc.SaveAs("{}".format(fn[:-1]), 0)# 另存为后缀为".docx"的文件，其中参数0指doc print(fn[:-1]) doc.Close()# 关闭原来word文件 word.Quit()doc2docx(r'C:\Users\asuka\Desktop\11\123.doc') docx2doc(r'C:\Users\asuka\Desktop\11\456.docx')