python-docx刨析之提取图片

待我称王封你为后i 2022-09-04 14:46 321阅读 0赞

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：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0dhYnJpZWxfd2Vp_size_16_color_FFFFFF_t_70]

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

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0dhYnJpZWxfd2Vp_size_16_color_FFFFFF_t_70]: /images/20220829/eb3baeb5d4914f4cb8e8632a96e04fcd.png