python-docx刨析之提取图片
网上有很多教程是用 zipfile 来提取 docx 文件内的图片,这种方法很难准确的获取确定位置的图片。我分析了下源码,终于找到了方法。
函数代码如下
import docx
from docx.document import Document
from docx.text.paragraph import Paragraph
from docx.image.image import Image
from docx.parts.image import ImagePart
from docx.oxml.shape import CT_Picture
def get_picture(document: Document, paragraph: Paragraph):
"""
document 为文档对象
paragraph 为内嵌图片的段落对象
"""
img = paragraph._element.xpath('.//pic:pic')
if not img:
return
img: CT_Picture = img[0]
embed = img.xpath('.//a:blip/@r:embed')[0]
related_part: ImagePart = document.part.related_parts[embed]
image: Image = related_part.image
return image
自己做一个包含内嵌图片的文档
如:
该文档第二段落是一个内嵌图片,则获取该图片的代码如下:
from PIL import Image
from io import BytesIO
d = docx.Document('test.docx')
paragraph = d.paragraphs[1]
image = get_picture(d, paragraph)
# 后缀
ext = image.ext
# 二进制内容
blob = image.blob
# 显示图片
Image.open(BytesIO(blob)).show()
注意:
该方法可以获取在段落插入的图片,这里强调内嵌图片是因为内嵌图片可以看到图片是在本段落的位置上的,而像 布局类型为 浮于文字上方等 的图片不一定会显示在本段落,可能会在别的段落上出现。
获取全部图片
import docx
from docx.document import Document
from docx.parts.image import ImagePart
def get_all_image(document: Document):
images = []
for embed, related_part in document.part.related_parts.items():
if isinstance(related_part, ImagePart):
images.append(related_part.image)
return images
感谢打赏~~~~~~~~~~~~~~
微信打赏
支付宝打赏