word的docx以xml格式实现Python自动化遇到图片无法正常显示以及word无法读取的内容报错的解决思路

已于 2024-05-28 18:33:45 修改
阅读量737 收藏 8
点赞数 18
分类专栏： Word自动化 文章标签： word xml 自动化 python
于 2024-05-28 18:28:45 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/wzp10/article/details/139274676
版权

环境

from xml.dom import minidom

目标

从一个word文档保留原格式复制到另一个word文档中，直接使用xml.dom去操作word文档，而不使用python-docx库。

Word格式

文件格式

word的docx本质是个压缩包，其中最主要的文档相关的内容使用xml格式存储的。当然绝大多数的文件都是以xml格式存在。

文件结构

├─1
│  │  [Content_Types].xml  包含了word要使用到的扩展
│  │
│  ├─docProps
│  │      app.xml
│  │      core.xml         包含文件作者
│  │
│  ├─word
│  │  │  document.xml      word文档中文字表格图片等详细内容，也是编辑word的主要文件
│  │  │  endnotes.xml      
│  │  │  fontTable.xml
│  │  │  footnotes.xml
│  │  │  settings.xml
│  │  │  styles.xml
│  │  │  webSettings.xml
│  │  │
│  │  ├─media              媒体文件夹中包含了word中需要用的的媒体文件
│  │  │      image1.gif
│  │  │
│  │  ├─theme              主题文件夹
│  │  │      theme1.xml
│  │  │
│  │  └─_rels              里面包含着document.xml引用的关系，将各个文件用rId联系
│  │          document.xml.rels  里面包含着图片的引用关系，如果你修改的图片不显示大概这里没有改
│  │
│  └─_rels
│          .rels
├─2
│  │  [Content_Types].xml
│  │
│  ├─docProps
│  │      app.xml
│  │      core.xml
│  │
│  ├─word
│  │  │  document.xml
│  │  │  endnotes.xml
│  │  │  fontTable.xml
│  │  │  footnotes.xml
│  │  │  settings.xml
│  │  │  styles.xml
│  │  │  webSettings.xml
│  │  │
│  │  ├─theme
│  │  │      theme1.xml
│  │  │
│  │  └─_rels
│  │          document.xml.rels
│  │
│  └─_rels
│          .rels
  • <w:p> 表示一个段落
  • <w:r> 表示一个样式串，指明它包括的文本的显示样式
  • <w:t> 表示真正的文本内容
  • <w:tbl> 表示一个表格
    • <w:tr> 表示表格一行
    • <w:tc> 表示一个cell，我立理解是单元格

其中文字被包含在<w:t>的节点下应该用firstchild来指向

问题复现

当我去从一个word文档的文字，图片以及公式保留格式复制到另一个word文档中，我首先是将源文档中document.xml相关节点复制到目标文档中。效果是一切ok的，除了照片无法显示，这时我就去查看源文件信息，发现还有media文件夹里的内容没有复制过去。于是复制图片到目标文档的对应目录中，结果还是无法显示，并且这时打开word文档会出现无法读取的内容。

于是两个问题需要解决

  1. 如何正确显示图片？
  2. 如何解决word报错？

正确显示图片

以下是doucument.xml里图片相关信息

<w:drawing>
    <wp:inline distT="0" distB="0" distL="0" distR="0"
        wp14:anchorId="77FAF658" wp14:editId="331AEBE1">
        <wp:extent cx="2842786" cy="2132374" />
        <wp:effectExtent l="0" t="0" r="0" b="1270" />
        <wp:docPr id="1" name="图片 1" />
        <wp:cNvGraphicFramePr>
            <a:graphicFrameLocks
                xmlns:a="http://schemas.openxmlformats.org/drawingml/2006/main"
                noChangeAspect="1" />
        </wp:cNvGraphicFramePr>
        <a:graphic
            xmlns:a="http://schemas.openxmlformats.org/drawingml/2006/main">
            <a:graphicData
                uri="http://schemas.openxmlformats.org/drawingml/2006/picture">
                <pic:pic
                    xmlns:pic="http://schemas.openxmlformats.org/drawingml/2006/picture">
                    <pic:nvPicPr>
                        <pic:cNvPr id="0" name="Picture 1" />
                        <pic:cNvPicPr>
                            <a:picLocks noChangeAspect="1"
                                noChangeArrowheads="1" />
                        </pic:cNvPicPr>
                    </pic:nvPicPr>
                    <pic:blipFill>
                        <a:blip r:embed="rId6">
                            <a:extLst>
                                <a:ext
                                    uri="{28A0092B-C50C-407E-A947-70E740481C1C}">
                                    <a14:useLocalDpi
                                        xmlns:a14="http://schemas.microsoft.com/office/drawing/2010/main"
                                        val="0" />
                                </a:ext>
                            </a:extLst>
                        </a:blip>
                        <a:srcRect />
                        <a:stretch>
                            <a:fillRect />
                        </a:stretch>
                    </pic:blipFill>
                    <pic:spPr bwMode="auto">
                        <a:xfrm>
                            <a:off x="0" y="0" />
                            <a:ext cx="2847489" cy="2135902" />
                        </a:xfrm>
                        <a:prstGeom prst="rect">
                            <a:avLst />
                        </a:prstGeom>
                        <a:noFill />
                        <a:ln>
                            <a:noFill />
                        </a:ln>
                    </pic:spPr>
                </pic:pic>
            </a:graphicData>
        </a:graphic>
    </wp:inline>
</w:drawing>

棘手的问题在于这个，图片的插入是通过这个id实现的

<a:blip r:embed="rId6">

<Relationship Id="rId6"
    Type="http://schemas.openxmlformats.org/officeDocument/2006/relationships/image"
    Target="media/image1.gif" />

这个是document.xml.rels文件对应的

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<Relationships xmlns="http://schemas.openxmlformats.org/package/2006/relationships">
    <Relationship Id="rId8"
        Type="http://schemas.openxmlformats.org/officeDocument/2006/relationships/theme"
        Target="theme/theme1.xml" />
    <Relationship Id="rId3"
        Type="http://schemas.openxmlformats.org/officeDocument/2006/relationships/webSettings"
        Target="webSettings.xml" />
    <Relationship Id="rId7"
        Type="http://schemas.openxmlformats.org/officeDocument/2006/relationships/fontTable"
        Target="fontTable.xml" />
    <Relationship Id="rId2"
        Type="http://schemas.openxmlformats.org/officeDocument/2006/relationships/settings"
        Target="settings.xml" />
    <Relationship Id="rId1"
        Type="http://schemas.openxmlformats.org/officeDocument/2006/relationships/styles"
        Target="styles.xml" />
    <Relationship Id="rId6"
        Type="http://schemas.openxmlformats.org/officeDocument/2006/relationships/image"
        Target="media/image1.gif" />
    <Relationship Id="rId5"
        Type="http://schemas.openxmlformats.org/officeDocument/2006/relationships/endnotes"
        Target="endnotes.xml" />
    <Relationship Id="rId4"
        Type="http://schemas.openxmlformats.org/officeDocument/2006/relationships/footnotes"
        Target="footnotes.xml" />
</Relationships>

这个是文档2的

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<Relationships xmlns="http://schemas.openxmlformats.org/package/2006/relationships">
    <Relationship Id="rId3"
        Type="http://schemas.openxmlformats.org/officeDocument/2006/relationships/webSettings"
        Target="webSettings.xml" />
    <Relationship Id="rId7"
        Type="http://schemas.openxmlformats.org/officeDocument/2006/relationships/theme"
        Target="theme/theme1.xml" />
    <Relationship Id="rId2"
        Type="http://schemas.openxmlformats.org/officeDocument/2006/relationships/settings"
        Target="settings.xml" />
    <Relationship Id="rId1"
        Type="http://schemas.openxmlformats.org/officeDocument/2006/relationships/styles"
        Target="styles.xml" />
    <Relationship Id="rId6"
        Type="http://schemas.openxmlformats.org/officeDocument/2006/relationships/fontTable"
        Target="fontTable.xml" />
    <Relationship Id="rId5"
        Type="http://schemas.openxmlformats.org/officeDocument/2006/relationships/endnotes"
        Target="endnotes.xml" />
    <Relationship Id="rId4"
        Type="http://schemas.openxmlformats.org/officeDocument/2006/relationships/footnotes"
        Target="footnotes.xml" />
</Relationships>

这个rId并没有自己想的这么简单，主要是这个rId安排是按顺序的，整个页面的顺序。因此当从一个文件的图片复制到另一个文档中，需要考虑到rId冲突的问题。

解决思路

  1. 首先获取文档中的rid
  2. 再去document.xml.rels中找到源文件的信息比如Type，Target
  3. 然后我们要再去读取目标文件的document.xml.rels获取当前最高的rId数避免冲突
  4. 然后将文档中的rid相关信息加入到document.xml.rels中
  5. 然后修改文档中的rID添加到目标文档中

无法读取的报错

在这里插入图片描述

可疑点

[Content_Types].xml

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<Types xmlns="http://schemas.openxmlformats.org/package/2006/content-types">
    <Default Extension="gif" ContentType="image/gif" />
    <Default Extension="rels" ContentType="application/vnd.openxmlformats-package.relationships+xml" />
    <Default Extension="xml" ContentType="application/xml" />
    <Override PartName="/word/document.xml"
        ContentType="application/vnd.openxmlformats-officedocument.wordprocessingml.document.main+xml" />
    <Override PartName="/word/styles.xml"
        ContentType="application/vnd.openxmlformats-officedocument.wordprocessingml.styles+xml" />
    <Override PartName="/word/settings.xml"
        ContentType="application/vnd.openxmlformats-officedocument.wordprocessingml.settings+xml" />
    <Override PartName="/word/webSettings.xml"
        ContentType="application/vnd.openxmlformats-officedocument.wordprocessingml.webSettings+xml" />
    <Override PartName="/word/footnotes.xml"
        ContentType="application/vnd.openxmlformats-officedocument.wordprocessingml.footnotes+xml" />
    <Override PartName="/word/endnotes.xml"
        ContentType="application/vnd.openxmlformats-officedocument.wordprocessingml.endnotes+xml" />
    <Override PartName="/word/fontTable.xml"
        ContentType="application/vnd.openxmlformats-officedocument.wordprocessingml.fontTable+xml" />
    <Override PartName="/word/theme/theme1.xml"
        ContentType="application/vnd.openxmlformats-officedocument.theme+xml" />
    <Override PartName="/docProps/core.xml"
        ContentType="application/vnd.openxmlformats-package.core-properties+xml" />
    <Override PartName="/docProps/app.xml"
        ContentType="application/vnd.openxmlformats-officedocument.extended-properties+xml" />
</Types>

    <Default Extension="gif" ContentType="image/gif" />

是不是要加入这个模块来实现gif的读取，要不然word读不了那张gif？

经过手动输入这行文档就不会报错了，推测是因为没有加入gif对应的插件，文件word读取不出gif所以报错。因此我只需要在[Content_Types].xml中引入需要的扩展信息才不会报错。

wzp10
关注
专栏目录
python-docx 使用xml为docx不同的章节段落设置不同字体
布啦啦
06-27 390
本文主要解决的内容，就是为一个docx的不同章节段落设置不同的字体，因为有的时候，我们的需求就是碰到了分节符以后，字体要产生一些变化，这个利用python-docx库的话，可能不支持了，所以我们还是从docx的底层xml来研究如何解决这个问题。比如下方的这个图，利用分节符，分成了三节，也就是三个section，我们遇见的需求，是每一个section，也就是每一个节，都使用不同的字体。我先把实验过后形成的完整代码贴上来，然后再一点一点的来解释一下我们具体是怎样处理的。
python使用docxtpl处理word文档图片不显示问题
weixin_38557885的博客
03-23 2212
python使用docxtpl处理word文档图片不显示问题 python使用docxtpl处理word文档图片不显示问题 docxtpl的使用： 安装docxtpl： pip install docxtpl 基本使用实例main.py： from docxtpl import DocxTemplate doc = DocxTemplate("my_word_template.docx") s...
关于DOCX XML
天天的本本
03-08 4837
今天，在linux下发现我的docx文件图标为归档。也就是它是一个被压缩或者被整理的包。我打开之后真的使得，它里面有几个文件夹。文件的存储都是以XML文件保存，当然还有一些媒体文件如图片。 后来我到网上搜索了一下这就这之前被炒的火热的Office Open XML 。我们可以再http://msdn2.microsoft.com/zh-cn/magazine/cc163526.aspx上看到详
wordxml文档格式说明
diaolong123123的博客
10-11 724
近期需要对word xml文档进行各种操作，需要熟悉 wordxml 文档格式，搜索了一番后发现 open xml sdk 官网的文档最好。就按照官网说明来记录一番 1 word xml 文档基本格式如下。文档是有多个部件组成，每个部件表示数据包中的一个单独文件。每个文档部分都是以 pkg:part 标记开头。 2 对各个部件进行简单介绍 2.1 .rels 部件 数据包...
Python读取Word（.docx）正文信息的方法
09-20
总结来说，使用Python读取.docx格式的Word文档是一个非常实用的技能，无论是在自动化办公还是数据分析中都有广泛的应用。掌握这种技能可以帮助我们高效地处理大量文档数据，是IT专业人员必备的基本能力之一。希望...
python读取word中的文字格式_尝试使用Python解析xml格式的docx文档以打印粗体字
weixin_39566578的博客
11-25 856
我有一个word docx文件，我想打印粗体在xml格式的文档中查看我要打印的单词似乎具有以下属性。在Print this Sentence特别是指定文本为粗体的w:rsidRPr="00510F21"属性。下面是更多的XML文档，让我们更好地了解它的结构。在^{pr2}$在做了一些研究并尝试使用pythondocx库来实现这一点之后，我决定尝试使用lxml。我得到一个关于名称空间的错误，并试图添...
python 自动办公- Word_docx_读取word.zip
02-06
Word文档（.docx格式）作为最常用的文本格式之一，Python提供了多种库来实现对其的读取和操作。本篇将深入探讨如何使用Python进行Word文档的读取。 首先，我们需要了解的关键库是`python-docx`。这个库允许我们直接...
python读取word的方法,Python读取Word（.docx）正文信息的方法
weixin_42234168的博客
03-26 3365
Python读取Word(.docx)正文信息的方法本文介绍用Python简单读取*.docx文件信息，一些python-word库就是对这种方法的扩展。介绍分两部分：Word(*.docx)文件简述Python提取Word信息Word(*.docx)文件简述大约在2008年以前，Office产品中Word用.doc文件格式，这种二进制格式很难与其他软件兼容。为了跟上时代，微软采用类XML格式标准...
XML形式的word文档分析
最新发布
Insect的博客
06-03 564
根据pkg:contentType标识每个part的主要作用：例如以relationship＋xml结尾的part主要负责多个part间的依赖关系以及给part注册relationship id，供其他part引用，比如<v:imagedata r:id=“rId5” o:title=“图片”>，其中rId5就是一个relationship id。对于表格部分可以通过<w:vMerge w:val=“continue”>进行上下合并，通过<w:gridSpan w:val=“2”>进行左右合并.
xml格式word文档解析器
08-09
自己编写的xml格式word文档分析器，完成了普通书签替换，表格书签替换，表格循环，嵌套循环数据生成表格等功能。请仔细阅读文件中“xml格式word解析器1 .md”
doc/docx文档批量转换XML文档
04-14
此工程功能为doc/docx文档批量转换XML文档，附带源代码源代码。
Xml解析.docx
01-29
java中xml解析方法的介绍，以及基本的应用
xml文件转真正的docx文件
weixin_64745472的博客
10-12 606
【代码】xml文件转真正的docx文件。
Python处理docx中的xml结点
gongzairen的博客
11-14 1738
xml结点/节点的python方法
用python 合并两个docx文件，或doc与docx文件合并
Spider0Man的博客
04-25 1176
下边这段代码可以打开doc或docx文件。# 关闭所有文档和Word应用程序。最后不要忘记关闭已经打开应用。如果打开doc则会报错。
Python-docx.oxml设置word表格单元格背景颜色
YHKKun的博客
02-29 919
【代码】Python-docx.oxml设置word表格单元格背景颜色。
python合并多个word文档（带图片等）
热门推荐
Coderwhw的博客
12-11 1万+
文章目录安装python3.6和pywin32包运行代码 安装python3.6和pywin32包 python官网下载python3.6版本，exe文件直接安装。 利用pip安装pywin32包 pip install pywin32 注意：如果安装完成之后执行“import win32com”时还有错误，请下载exe文件安装pywin32。（ 提取码：u3w6 ） 运行代码 #enc...
python批量读取图片文字保留格式_Python 提取Word里的所有图片并批量转化格式
05-26
要实现Python批量读取图片文字并保留格式，可以使用OCR技术对图片进行文字识别，然后将识别出的文本保存为相应格式的文件。 以下是一个示例代码，实现了批量读取指定文件夹下的所有图片并进行OCR文字识别，最后将识别结果保存为txt文件： ```python import pytesseract from PIL import Image import os # 设置tesseract的安装路径 pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe' # 指定待识别图片所在的文件夹路径 img_folder = r'C:\Users\username\Documents\images' # 定义一个函数，用于对单张图片进行OCR文字识别，并将识别结果保存到txt文件中 def recognize_text(image_path): # 打开图片 image = Image.open(image_path) # 进行OCR识别 text = pytesseract.image_to_string(image, lang='eng') # 保存识别结果到txt文件中 with open('result.txt', 'a') as f: f.write(text) f.write('\n\n') # 遍历指定文件夹下的所有图片，进行OCR文字识别 for root, dirs, files in os.walk(img_folder): for file in files: if file.endswith('.jpg') or file.endswith('.png'): image_path = os.path.join(root, file) recognize_text(image_path) ``` 如果要提取Word里的所有图片并批量转化格式，可以使用Python的docx库来实现。以下是一个示例代码，实现了提取Word文档中的所有图片并将其转化为jpg格式的图片： ```python from docx import Document # 打开Word文档 doc = Document('example.docx') # 定义一个函数，用于将Word文档中的图片保存为jpg格式的图片 def save_image(image, filename): with open(filename, 'wb') as f: f.write(image) # 遍历文档中的所有图片，并将其转化为jpg格式的图片 for i, image in enumerate(doc.inline_shapes): if 'image' in image._element.xml: # 获取图片数据 image_data = image._inline.graphic.graphicData.pic.blipFill.blip.getparent().getnext().getchildren()[0].getchildren()[0] # 将图片数据保存为jpg格式的图片 save_image(image_data, f'image{i}.jpg') ``` 需要注意的是，由于Word文档中的图片可能采用了不同的格式，因此转化为jpg格式的图片可能会失去一些细节。如果需要保留完整的图片格式，可以考虑将图片保存为原格式，或者使用第三方库进行格式转化。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值