使用python批量提取docx文檔中的圖片

注意：此方法只能用於docx文檔，doc的不行，doc的得另存為Html文件，進入到上述網頁文件所在的文件夾中，你會發現有一個名稱為“文件名.files”（如“圖片.files”），進入其中，前面 Word 文檔中的圖片就一一被保存在里面了。

在解壓的時候遇到點問題，1，不能解壓，2，不能刪除文件夾，3，不能移動文件，用try解決了

doc的也不是不行，需要使用vba把doc自動另存為docx格式的文檔，vba代碼如下

Sub doc2docx()    'doc文件轉docx文件
     
    Dim myDialog As FileDialog
    Set myDialog = Application.FileDialog(msoFileDialogFilePicker)
    Dim oFile As Object
    Dim oFilePath As Variant
     
    With myDialog
        .Filters.Clear    '清除所有文件篩選器中的項目
        .Filters.Add "所有 WORD2007 文件", "*.doc", 1    '增加篩選器的項目為所有doc文件
        .AllowMultiSelect = True    '允許多項選擇
        If .Show = -1 Then    '確定
            For Each oFilePath In .SelectedItems    '在所有選取項目中循環
                Set oFile = Documents.Open(oFilePath)
                oFile.SaveAs FileName:=Replace(oFilePath, "doc", "docx"), FileFormat:=16
                oFile.Close
            Next
    End If
     
End With
 
End Sub

然后再使用下面的代碼提取"docx"格式文檔里面的圖片

#revised by Stephen Shen 2020-3-8 19:51:46
#to extract pics from *.docx files
import zipfile
import os,shutil
import datetime
# import send2trash
# from tempfile import TemporaryDirectory

def renameFile(dstpath):
    fdirname,fbasename=os.path.split(dstpath)
    #文件名相同但大小不同
    fname,fext=os.path.splitext(fbasename)
    nowtime=datetime.datetime.now()                
    strtime=str(nowtime.year)+str(nowtime.month)+str(nowtime.day)+str(nowtime.hour)+str(nowtime.minute)
    newfbasename=fname+'-'+strtime+fext
    dstpath=os.path.join(fdirname,newfbasename)
    return dstpath

def extractPics(doc_inpath,outDir,zipDir):
    
    file_ext=['.docx']
    dirPath,fname,fext=splitPath(doc_inpath)

    if fext in file_ext:
        print(doc_inpath+' is extracting...')
        fnameNew=fname.strip()
        out_dir =os.path.join(outDir,fnameNew)
        if not os.path.exists(out_dir):#文件夾不存在
            if len(os.path.split(out_dir)[-1])>200:
                print('dirname is too long :'+out_dir)
            else:
                os.mkdir(out_dir)
        else:#文件夾已存在
            nowtime=datetime.datetime.now()                
            strtime=str(nowtime.year)+str(nowtime.month)+str(nowtime.day)+str(nowtime.hour)+str(nowtime.minute)
            out_dir=os.path.join(outDir,fnameNew+'-'+strtime)

        zip_path=os.path.join(zipDir,'docx.zip')
        shutil.copyfile(doc_inpath,zip_path)
        # zip_path=os.path.join(zip_dir,fnameNew+'.zip')
        # os.rename(copy_path,zip_path)

        try:
            with zipfile.ZipFile(zip_path,'r') as f:
                f.extractall()
        except:
            print(zip_path+' cannot be extracted')
        else:
            picsDir=os.path.join(zipDir,'word/media')

            if os.path.exists(picsDir):
                for pic in os.listdir(picsDir):
                    oldpic=os.path.join(picsDir,pic)
                    newpic=os.path.join(out_dir,pic)
                    try:
                        shutil.move(oldpic,newpic)
                    except:
                        print(doc_inpath+' is skipped')
        
        filelist=os.listdir(zipDir)                
        for f in filelist:
            filepath = os.path.join(zipDir, f )   
            if os.path.isfile(filepath):
                os.remove(filepath)
            elif os.path.isdir(filepath):
                shutil.rmtree(filepath,True)

def splitPath(doc_inpath):
    dirPath=os.path.dirname(doc_inpath)
    fname,fext=os.path.splitext(os.path.basename(doc_inpath))
    return dirPath,fname,fext

outDir=r'k:/fileExtracted/imagesFromDocs'
zipDir=r'k:/fileExtracted/zip'
# docDir=r'K:\imagsDocx'
docDir=r'K:/docs'

if not os.path.exists(outDir):
    os.makedirs(outDir)
if not os.path.exists(zipDir):
    os.makedirs(zipDir)

for folder,subFolderName,files in os.walk(docDir):

    for file in files:
        doc_inpath=os.path.join(folder,file)
        os.chdir(zipDir)
        extractPics(doc_inpath,outDir,zipDir)
        
print('done')