【原】谈一谈|Word文档图片的提取

1 问题分析

docx格式的文件本质上是一个ZIP文件，因此一个docx文件的后缀改为zip后是可以用解压工具打开的。而将一个docx文件的后缀改为zip后就可以发现有一个文件夹储存了所有的Word文档图片。

   

图1. 1更改文件后缀名

将docx文件的后缀改为ZIP后：

图1. 2 zip文件目录

可以看到一个固定的存放图片文件夹：/word/media/

图1. 3图片存放目录

找到了图片存放的固定的路径，那么只需要修改文件后缀名，再将图片拷贝出来，最后把文件从zip改回docx即可。

2 实现代码

import zipfile docx_path = "…"    # docx文件路径 image_path = "…"   # 图片存放路径 docx = zipfile.ZipFile(docx_path) for info in docx.infolist():     if  info.filename.endswith((".png", ".jpeg",  ".gif")):          docx.extract(info.filename, image_path)

3 运行结果

原文件包含的图片：

图3. 1原文件包含的图片

提取的图片：

图3. 2提取的图片

END

主  编   |   王文星

责  编   |   雀   跃

能力越强，责任越大。实事求是，严谨细致。    

                                                  ——where2go 团队

---

微信号：算法与编程之美