有些時候我們需要進(jìn)行word圖片提取的操作。如果用手工的方式去一個一個地打開文件進(jìn)行保存,無疑是一件很累人的事情。實(shí)際上我們可以使用python批量提取word圖片,接下來我們就來看看怎么做吧。
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(guān)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(shí)現(xiàn)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(xiàn)在的代碼量已經(jīng)遠(yuǎn)超我預(yù)期了呢?
3:預(yù)處理前面的兩步之后,就可以直接運(yùn)行腳本了
4:腳本注釋很詳細(xì),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(zhuǎn)為docx,轉(zhuǎn)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(zhuǎn)的方法,你可以把這個函數(shù)加進(jìn)去即可
代碼
import zipfile
import os
import shutil
import hashlib
import send2trash
'''
假設(shè)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(qiáng)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(shí)現(xiàn)的話,會麻煩很多
'''
# 一個用來解壓文件的函數(shù)
def extract_zip(zip_path):
os.chdir(os.path.dirname(zip_path)) # 需要進(jìn)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(diào)用zipfile.ZipFile()函數(shù),創(chuàng)建一個ZipFile對象
a.extractall()
a.close()
os.chdir(path) # 恢復(fù)到之前的路徑
# 用來獲取所有的圖片
'''
測試的時候發(fā)現(xiàn),不同word文件解壓之后,里面的圖片命名格式一致,
導(dǎo)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(jìn)行重命名
'''
def get_picture(demo_path):
count = 1 # 用來個圖片進(jìn)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(shè)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 = path1 + '\' + str(count) + '.' + f.rpartition('.')[-1] # 指定新文件的文件路徑,文件名數(shù)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(jù)此進(jìn)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(jīng)出現(xiàn)過,就刪除這張圖片
count += 1
print('[-] 刪除重復(fù)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(jìn)列表中
print('[-] 共刪除重復(fù)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")
path1 = input('') # path1 用來存放所有的圖片文件
if len(path1):
pass
else:
desktop_path = os.path.join(os.path.expanduser("~"), 'Desktop') # 獲取桌面路徑
path1 = os.path.join(desktop_path, '所有word文件中的圖片')
os.makedirs(path1)
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(chuàng)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(path1)
print('[-] 現(xiàn)有圖片:{}張'.format(len(os.listdir(path1))))
GIF示例
Everything提取文件的演示(手動處理同名word文件,我這里對同名文件進(jìn)行替換):
附:doc轉(zhuǎn)docx
介紹一下實(shí)現(xiàn)二者互轉(zhuǎn)
需要說明的是:
要安裝OFFICE,如果是使用金山WPS的,則還不能應(yīng)用
轉(zhuǎn)換速度略慢,但還能接受
如果想轉(zhuǎn)換為其他格式文件,需要在format文件名內(nèi)修改,并用如下save as 參數(shù)
代碼
關(guān)于第9行、第19行代碼:
第9行doc.SaveAs("{}x".format(fn), 12)
:
"{}x".format(fn)
相當(dāng)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(yīng)的。
第19行doc.SaveAs("{}".format(fn[:-1]), 0)
:
"{}".format(fn[:-1])
相當(dāng)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(yīng)的。
from win32com import client
# 轉(zhuǎn)換doc為docx
def doc2docx(fn):
word = client.Dispatch("Word.Application") # 打開word應(yīng)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(shù)12或16指docx文件
doc.Close() # 關(guān)閉原來word文件
word.Quit()
# 轉(zhuǎn)換docx為doc
def docx2doc(fn):
word = client.Dispatch("Word.Application") # 打開word應(yīng)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(shù)0指doc
print(fn[:-1])
doc.Close() # 關(guān)閉原來word文件
word.Quit()
doc2docx(r'C:UsersasukaDesktop11123.doc')
docx2doc(r'C:UsersasukaDesktop11456.docx')
到此這篇python批量提取word圖片的文章就介紹到這了,更多python學(xué)習(xí)內(nèi)容請搜索W3Cschool以前的文章或繼續(xù)瀏覽下面的相關(guān)文章。