python - 使用Python从word文档中提取图像

Question

如何使用 python 从 Word 文档中提取图像/ Logo 并将其存储在文件夹中。以下代码将 docx 转换为 html，但不会从 html 中提取图像。任何指针/建议都会有很大帮助。

    profile_path = <file path>
    result=mammoth.convert_to_html( profile_path)
    f = open(profile_path, 'rb')
    b = open(profile_html, 'wb')
    document = mammoth.convert_to_html(f)
    b.write(document.value.encode('utf8'))
    f.close()
    b.close()

Answer 1

您可以使用docx2txt 库，它将读取您的 .docx 文档并将图像导出到您指定的目录(必须存在)。

!pip install docx2txt
import docx2txt
text = docx2txt.process("/path/your_word_doc.docx", '/home/example/img/') 

执行后，您将在 /home/example/img/ 中看到图像，并且变量 text 将具有文档文本。它们将按出现顺序命名为 image1.png ... imageN.png。

注意:Word 文档必须为 .docx 格式。