关于xlsx文件中嵌入式图片的获取

单元格如此格式的内嵌图片=DISPIMG("ID_14C8AB278D76409D8D12A9530852E2AD",1)

开发过程：

1、了解xlsx文件结构：原来就是zip

2、解压xlsx，了解文档的关联：

        2.1./xxx/xl/media保存了图片

        2.2./xxx/xl/_rels/cellimages.xml.rels保存了图片文件名和rId的关系

        2.3./xxx/xl/cellimages.xml保存了rId和ID的关系如此格式（"ID_14C8AB278D76409D8D12A9530852E2AD"）

3、制作了ReadWpsXlsxImg（）模块，以后方便使用：

        3.1 使用时先实例化 ReadWpsXlsxImg() 对象，然后给其属性inputpath 赋值（待解析xlsx文件路径）

         3.2 调用 execute() 方法，

        3.3 结果保存在nameimgdatadic属性dic中，其key为类似“ID_14C8AB278D76409D8D12A9530852E2AD”的ID，其值为图片二进制数据；

4、问题：

        这模块开发过程中获取cellimages.xml中rId的值，弄了好久，现在都没明白，不过ai帮忙搞定了，就是这句成功了：            embed= blip.find('.//a:blip', namespaces={'a': 'http://schemas.openxmlformats.org/drawingml/2006/main', 'r': 'http://schemas.openxmlformats.org/officeDocument/2006/relationships'}).attrib.get('{http://schemas.openxmlformats.org/officeDocument/2006/relationships}embed')

5、不喜勿喷，新手练习

'''
功能：找到excel单元格如此格式的内嵌图片=DISPIMG("ID_14C8AB278D76409D8D12A9530852E2AD",1)
1. 实现过程：
1.1 在输入文件名路径解压 xxx.xlsx 文件，生成路径解压文件夹./xxx
1.2 在./xxx/xl/cellimages.xml中找到图片的 rId，以及name，,形成字典name:rId
1.3 在./xxx/xl/_rels/cellimages.xml.rels 通过rId找到图片的绝对路径;形成name:绝对路径的字典
1.4在./xxx/xl/media 读取图片的二进制数据:形成name:二进制数据的字典
1.5处理完成后删除文件夹
2. 使用方法：
2.1 使用时先实例化 ReadWpsXlsxImg() 对象，然后调用给其属性inputpath 赋值待解析xlsx文件路径
2.2 调用 execute() 方法，
2.3 结果保存在nameimgdatadic属性dic中，其key为类似“ID_14C8AB278D76409D8D12A9530852E2AD”的ID，其值为图片二进制数据
'''
from lxml import etree
import zipfile
import os
import shutil

class ReadWpsXlsxImg():

    def __init__(self):
        self.inputpath   = ''
        self.extractpath = ''
        self.namerIddic  = {} # name:rId
        self.namepath    = {} # name:imgpath
        self.nameimgdatadic  = {} # name:imgdata

    def execute(self):
        if self.inputpath  != '':
            try:
                self.unzip_xlsx()
                # print( f'成功解压到{self.extractpath}文件夹')
            except Exception as e:
                # print(f'解压{self.inputpath}时出错: {str(e)}')
                return

            # 读取 cellimages.xml 文件，找到name:rId
            local_path = 'xl/cellimages.xml'
            file_path =  os.path.join(self.extractpath, local_path) 
            # print(file_path)
            try:
                self.find_name_rId(file_path)
                # print( '成功写入name:rId字典')
            except Exception as e:
                # print(f'写入name:rId字典时出错: {str(e)}')
                return
                

            # 读取 cellimages.xml.rels 文件，找到rId:相对路径的字典
            local_path = 'xl/_rels/cellimages.xml.rels'
            file_path  = os.path.join(self.extractpath, local_path) 
            # print(file_path)
            try:
                self.find_name_path(file_path)
                # print( '成功写入name:imgpath字典')
            except Exception as e:
                # print(f'写入name:imgpath时出错: {str(e)}')
                return

            # 读取imgpath的文件，生成二进制数据data，生成name:imgdata字典

            try:
                self.find_name_imgdata()
                # print( '成功写入name:imgdata字典')
            except Exception as e:
                # print(f'写入name:imgdata时出错: {str(e)}')
                return
            try:
                self.delete_folder()
            except Exception as e:
                print(f'删除文件夹时出错: {str(e)}')
                return

    def unzip_xlsx(self):
        # 获取不带扩展名的文件名，作为解压目标文件夹名称
        xlsx_file_name = os.path.basename(self.inputpath)[:-5]  # 去掉 .xlsx 扩展名
        # 确定解压目标文件夹路径（与 xlsx 文件同一目录）
        extract_dir = os.path.join(os.path.dirname(self.inputpath),xlsx_file_name)
        # print(extract_dir)
        # 如果目标文件夹不存在，则创建它
        if not os.path.exists(extract_dir):
            os.makedirs(extract_dir)
        # 使用 zipfile 解压 xlsx 文件到目标文件夹
        with zipfile.ZipFile(self.inputpath, 'r') as xlsx_zip:
            xlsx_zip.extractall(extract_dir)
        self.extractpath = extract_dir

    def find_name_rId(self,file_path):
        tree = etree.parse(file_path)
        root = tree.getroot()
        
        # 定义命名空间
        ns = {
            'etc': 'http://www.wps.cn/officeDocument/2017/etCustomData',
            'xdr': 'http://schemas.openxmlformats.org/drawingml/2006/spreadsheetDrawing',
            'a': 'http://schemas.openxmlformats.org/drawingml/2006/main',
            'r': 'http://schemas.openxmlformats.org/officeDocument/2006/relationships'
        }

        # 遍历每个 <etc:cellImage> 元素
        for cell_image in root.findall('.//etc:cellImage', namespaces=ns):
            # 提取 <xdr:pic> 元素
            pic = cell_image.find('.//xdr:pic', namespaces = ns)
            if pic is None:
                continue  # 如果找不到 <xdr:pic> 元素，跳过

            # 提取 name 属性
            name_element = pic.find('.//xdr:cNvPr', namespaces=ns)
            if name_element is None or 'name' not in name_element.attrib:
                continue  # 如果找不到 <xdr:cNvPr> 元素或没有 'name' 属性，跳过

            name = name_element.attrib['name']

            # 提取 r:embed 属性
            blip = pic.find('.//xdr:blipFill', namespaces = ns)
            embed= blip.find('.//a:blip', namespaces={'a': 'http://schemas.openxmlformats.org/drawingml/2006/main', 'r': 'http://schemas.openxmlformats.org/officeDocument/2006/relationships'}).attrib.get('{http://schemas.openxmlformats.org/officeDocument/2006/relationships}embed')
            self.namerIddic[name] = embed
        # 输出结果
        # print(self.namerIddic)

    def find_name_path(self,xml_file_path):
        tree = etree.parse(xml_file_path)
        root = tree.getroot()
        for relationship in root:
            id_value = relationship.attrib['Id']
            target_value = relationship.attrib['Target']
            # print(f"ID: {id_value}, Target: {target_value}")
            for name in self.namerIddic.keys():
                if self.namerIddic[name] == id_value:
                    self.namepath[name] = target_value
        # print(f"namepath:{self.namepath}")

    def find_name_imgdata(self):
        for name, target_path in self.namepath.items():
            basepath = os.path.join(self.extractpath,'xl')
            imgpath = os.path.join(basepath, target_path)
            with open(imgpath, 'rb') as file:
                imgdata = file.read()
                self.nameimgdatadic[name] = imgdata
        print(f'找到二进制文件字典{len(self.nameimgdatadic)}')

    def delete_folder(self):
        shutil.rmtree(self.extractpath)


if __name__ == '__main__':
    reader = ReadWpsXlsxImg()
    reader.inputpath =r'C:/Users/hxs19/Desktop/input.xlsx'
    reader.execute()

---