python批量提取word文档中的图片（含图片格式转换和GUI）
作者：小小明
文章目录
- doc格式批量转为docx
- 批量提取docx文档的图片
- 批量图片格式转换
- 完整代码
- GUI图形化工具开发
- 打包exe
- 给GUI加入进度条
日常工作中，领导要求你将一份 Word 文档中的图片存储到一个文件夹内，你可能会一边内心崩溃，一边开始一张张的 另存为。
但假如领导要求你将几百个word文档中的图片全部都拷贝出来，你是不是打算离职不干了？
就比如下面这些word文档中的图片，你能否快速的把所有图片都拷贝出来呢？
即使你知道可以把word文档用压缩文件打开，逐个解压的话依然会耗时较长时间，另外里面掺杂了doc格式的word文档，你还需将这些03版本的word文档另存为docx格式。
但对于我小小明来说，这种东西都不是什么难事，写个程序，十秒内全部给你转换完毕，并把图片都提取出来，还能批量从真实修改图片格式，而不是简单的修改一下扩展名。
最终效果展示（文末附带exe可执行程序）：
下面看看我的代码吧：
doc格式批量转为docx
python提供了win32com模块，其中的SaveAs方法可以代替人手批量将文件另存为我们需要的格式。
win32com包含在pypiwin32模块中，只需安装pypiwin32模块即可：
pip install pypiwin32
下面的代码将指定目录下的doc文件转换为docx格式，并放在该目录的temp_dir下面：
from win32com import client as wc # 导入模块
from pathlib import Path
import os
import shutil
doc_path = r"E:\tmp\答疑整理"
temp_dir = "temp"
if os.path.exists(f"{doc_path}/{temp_dir}"):
shutil.rmtree(f"{doc_path}/{temp_dir}")
os.mkdir(f"{doc_path}/{temp_dir}")
word = wc.Dispatch("Word.Application") # 打开word应用程序
try:
for filename in Path(doc_path).glob("*.doc"):
file = str(filename)
dest_name = str(filename.parent/f"{temp_dir}"/str(filename.name))+"x"
print(file, dest_name)
doc = word.Documents.Open(file) # 打开word文件
doc.SaveAs(dest_name, 12) # 另存为后缀为".docx"的文件，其中参数12指docx文件
finally:
word.Quit()
运行结果：
E:\tmp\答疑整理\1.晚分享答疑.doc E:\tmp\答疑整理\temp\1.晚分享答疑.docx
E:\tmp\答疑整理\10-17问题答疑.doc E:\tmp\答疑整理\temp\10-17问题答疑.docx
E:\tmp\答疑整理\10-20答疑.doc E:\tmp\答疑整理\temp\10-20答疑.docx
E:\tmp\答疑整理\10月10日晚分享提问与答疑.doc E:\tmp\答疑整理\temp\10月10日晚分享提问与答疑.docx
E:\tmp\答疑整理\10月11日问题收集.doc E:\tmp\答疑整理\temp\10月11日问题收集.docx
E:\tmp\答疑整理\10月14答疑最新版.doc E:\tmp\答疑整理\temp\10月14答疑最新版.docx
E:\tmp\答疑整理\11月26、27日答疑汇总.doc E:\tmp\答疑整理\temp\11月26、27日答疑汇总.docx
E:\tmp\答疑整理\2018.10.15提问与答疑.doc E:\tmp\答疑整理\temp\2018.10.15提问与答疑.docx
E:\tmp\答疑整理\2018.10.18提问与答疑.doc E:\tmp\答疑整理\temp\2018.10.18提问与答疑.docx
E:\tmp\答疑整理\2018.10.9提问与答疑最终版.doc E:\tmp\答疑整理\temp\2018.10.9提问与答疑最终版.docx
E:\tmp\答疑整理\2018.12.01答疑.doc E:\tmp\答疑整理\temp\2018.12.01答疑.docx
E:\tmp\答疑整理\2018.12.02答疑(1).doc E:\tmp\答疑整理\temp\2018.12.02答疑(1).docx
E:\tmp\答疑整理\2018.12.02答疑.doc E:\tmp\答疑整理\temp\2018.12.02答疑.docx
E:\tmp\答疑整理\20181204答疑.doc E:\tmp\答疑整理\temp\20181204答疑.docx
E:\tmp\答疑整理\20181206答疑.doc E:\tmp\答疑整理\temp\20181206答疑.docx
E:\tmp\答疑整理\20181208答疑.doc E:\tmp\答疑整理\temp\20181208答疑.docx
E:\tmp\答疑整理\2018年11月29日答疑（请以此为准）.doc E:\tmp\答疑整理\temp\2018年11月29日答疑（请以此为准）.docx
E:\tmp\答疑整理\7.10答疑整理.doc E:\tmp\答疑整理\temp\7.10答疑整理.docx
E:\tmp\答疑整理\7.9答疑整理.doc E:\tmp\答疑整理\temp\7.9答疑整理.docx
转换得到的文件：
批量提取docx文档的图片
docx文档其实也是一个zip压缩包，所以我们可以通过zip包解压它，下面的代码将解压每个docx文档中的图片，我将其移动到临时目录下的imgs目录下：
import itertools
from zipfile import ZipFile
import shutil
if os.path.exists(f"{doc_path}/{temp_dir}/imgs"):
shutil.rmtree(f"{doc_path}/{temp_dir}/imgs")
os.makedirs(f"{doc_path}/{temp_dir}/imgs")
i = 1
for filename in itertools.chain(Path(doc_path).glob("*.docx"), (Path(doc_path)/temp_dir).glob("*.docx")):
print(filename)
with ZipFile(filename) as zip_file:
for names in zip_file.namelist():
if names.startswith("word/media/image"):
zip_file.extract(names, doc_path)
os.rename(f"{doc_path}/{names}",
f"{doc_path}/{temp_dir}/imgs/{i}{names[names.find('.'):]}")
print("\t", names, f"{i}{names[names.find('.'):]}")
i += 1
shutil.rmtree(f"{doc_path}/word")
打印结果：
E:\tmp\答疑整理\10.16答疑汇总.docx
E:\tmp\答疑整理\10.19答疑汇总.docx
E:\tmp\答疑整理\12月7号答疑稿.docx
word/media/image5.jpeg 1.jpeg
word/media/image4.png 2.png
word/media/image3.jpeg 3.jpeg
word/media/image2.gif 4.gif
word/media/image1.gif 5.gif
word/media/image6.gif 6.gif
E:\tmp\答疑整理\2018.10.12提问与答疑.docx
word/media/image1.jpeg 7.jpeg
word/media/image2.png 8.png
word/media/image3.png 9.png
.....
E:\tmp\答疑整理\temp\7.9答疑整理.docx
word/media/image1.jpeg 162.jpeg
word/media/image2.jpeg 163.jpeg
word/media/image3.png 164.png
word/media/image4.png 165.png
word/media/image5.jpeg 166.jpeg
提取结果：
批量图片格式转换
PIL：Python Imaging Library，已经是Python平台事实上的图像处理标准库了。PIL功能非常强大，但API却非常简单易用。
由于PIL仅支持到Python 2.7，加上年久失修，于是一群志愿者在PIL的基础上创建了兼容的版本，名字叫Pillow，支持最新Python 3.x，又加入了许多新特性，因此，我们可以直接安装使用Pillow。
如果安装了Anaconda，Pillow就已经可用了。否则，需要在命令行下通过pip安装：
pip install pillow
直接修改文件扩展名并不能真实的修改图片格式，通过pillow库我们即可将图片批量真实的转换为jpg格式：
from PIL import Image
if not os.path.exists(f"{doc_path}/imgs"):
os.mkdir(f"{doc_path}/imgs")
for filename in Path(f"{doc_path}/{temp_dir}/imgs").glob("*"):
file = str(filename)
with Image.open(file) as im:
im.convert('RGB').save(
f"{doc_path}/imgs/{filename.name[:filename.name.find('.')]}.jpg", 'jpeg')
转换后：
完整代码
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
# 创建时间：2020/12/25 21:46
__author__ = 'xiaoxiaoming'
import itertools
import os
import shutil
from pathlib import Path
from zipfile import ZipFile
from PIL import Image
from win32com import client as wc # 导入模块
def word_img_extract(doc_path, temp_dir):
if os.path.exists(f"{doc_path}/{temp_dir}"):
shutil.rmtree(f"{doc_path}/{temp_dir}")
os.mkdir(f"{doc_path}/{temp_dir}")
word = wc.Dispatch("Word.Application") # 打开word应用程序
try:
for filename in Path(doc_path).glob("*.doc"):
file = str(filename)
dest_name = str(filename.parent / f"{temp_dir}" / str(filename.name)) + "x"
print(file, dest_name)
doc = word.Documents.Open(file) # 打开word文件
doc.SaveAs(dest_name, 12) # 另存为后缀为".docx"的文件，其中参数12指docx文件
finally:
word.Quit()
if os.path.exists(f"{doc_path}/{temp_dir}/imgs"):
shutil.rmtree(f"{doc_path}/{temp_dir}/imgs")
os.makedirs(f"{doc_path}/{temp_dir}/imgs")
i = 1
for filename in itertools.chain(Path(doc_path).glob("*.docx"), (Path(doc_path) / temp_dir).glob("*.docx")):
print(filename)
with ZipFile(filename) as zip_file:
for names in zip_file.namelist():
if names.startswith("word/media/image"):
zip_file.extract(names, doc_path)
os.rename(f"{doc_path}/{names}",
f"{doc_path}/{temp_dir}/imgs/{i}{names[names.find('.'):]}")
print("\t", names, f"{i}{names[names.find('.'):]}")
i += 1
shutil.rmtree(f"{doc_path}/word")
if not os.path.exists(f"{doc_path}/imgs"):
os.mkdir(f"{doc_path}/imgs")
for filename in Path(f"{doc_path}/{temp_dir}/imgs").glob("*"):
file = str(filename)
with Image.open(file) as im:
im.convert('RGB').save(
f"{doc_path}/imgs/{filename.name[:filename.name.find('.')]}.jpg", 'jpeg')
if __name__ == '__main__':
doc_path = r"E:\tmp\答疑整理"
temp_dir = "temp"
word_img_extract(doc_path, temp_dir)
最终全部执行完成耗时7s：
GUI图形化工具开发
下面使用PySimpleGUI开发一个图形化工具，使用以下命令安装该库：
pip install PySimpleGUI
如果是下载速度慢的可以用下面的清华镜像地址下载：
pip install PySimpleGUI -i https://pypi.tuna.tsinghua.edu.cn/simple
以下是完整代码：
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
# 创建时间：2020/12/25 12:03
__author__ = 'xiaoxiaoming'
import PySimpleGUI as sg
from word_img_extract import word_img_extract
sg.change_look_and_feel("GreenMono")
layout = [
[
sg.Text("请输入word文档所在的目录："),
sg.In(size=(25, 1), enable_events=True, key="-FOLDER-"),
sg.FolderBrowse('浏览'),
], [
sg.Button('开始抽取', enable_events=True, key="抽取"),
sg.Text(size=(40, 1), key="-TOUT-")
]
]
window = sg.Window('word文档图片抽取系统', layout)
while True:
event, values = window.read()
if event in (None,):
break # 相当于关闭界面
elif event == "抽取":
if values["-FOLDER-"]:
window["-TOUT-"].update("准备抽取！！！")
sg.popup('抽取期间程序将处于假死状态，请稍等片刻，提取完成后会弹出提示！！！\n点击ok后开始抽取！！！')
window["-TOUT-"].update("正在抽取中...")
word_img_extract(values["-FOLDER-"])
window["-TOUT-"].update("抽取完毕！！！")
sg.popup('抽取完毕！！！')
else:
sg.popup('请先输入word文档所在的路径！！！')
print(f'Event: {event}， values: {values}')
window.close()
运行效果：
打包exe
创建并激活虚拟环境：
conda create -n gui python=3.6
conda activate gui
注意：创建虚拟环境和激活环境并不是必须，只是为了精简环境，可以跳过
安装打包所用的包：
pip install PySimpleGUI
pip install pillow
pip install pywin32
pip install pyinstaller
执行以下命令进行打包：
pyinstaller -F --icon=C:\Users\Think\Pictures\ico\ooopic_1467046829.ico word_img_extract_GUI.py
常用参数说明：
- -F 表示生成单个可执行文件
- -w 表示去掉控制台窗口，这在GUI界面时非常有用。不过如果是命令行程序的话那就把这个选项删除吧！
- -p 表示你自己自定义需要加载的类路径，一般情况下用不到
- -i 表示可执行文件的图标
打包结果：
带上-w参数打包，可以去掉控制台：
pyinstaller -wF --icon=C:\Users\Think\Pictures\ico\ooopic_1467046829.ico word_img_extract_GUI.py
给GUI加入进度条
改造处理程序，借助协程反馈程序的处理进度，完整代码如下：
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
# 创建时间：2020/12/25 21:46
__author__ = 'xiaoxiaoming'
import itertools
import os
import shutil
from pathlib import Path
from zipfile import ZipFile
from PIL import Image
from win32com import client as wc # 导入模块
def word_img_extract(doc_path, temp_dir="temp"):
if os.path.exists(f"{doc_path}/{temp_dir}"):
shutil.rmtree(f"{doc_path}/{temp_dir}")
os.mkdir(f"{doc_path}/{temp_dir}")
word = wc.Dispatch("Word.Application") # 打开word应用程序
try:
files = list(Path(doc_path).glob("*.doc"))
if len(files) == 0:
raise Exception("当前目录中没有word文档")
for i, filename in enumerate(files, 1):
file = str(filename)
dest_name = str(filename.parent / f"{temp_dir}" / str(filename.name)) + "x"
# print(file, dest_name)
doc = word.Documents.Open(file) # 打开word文件
doc.SaveAs(dest_name, 12) # 另存为后缀为".docx"的文件，其中参数12指docx文件
yield "word doc格式转docx格式：", i * 1000 // len(files)
finally:
word.Quit()
if os.path.exists(f"{doc_path}/{temp_dir}/imgs"):
shutil.rmtree(f"{doc_path}/{temp_dir}/imgs")
os.makedirs(f"{doc_path}/{temp_dir}/imgs")
i = 1
files = list(itertools.chain(Path(doc_path).glob("*.docx"), (Path(doc_path) / temp_dir).glob("*.docx")))
for j, filename in enumerate(files, 1):
# print(filename)
with ZipFile(filename) as zip_file:
for names in zip_file.namelist():
if names.startswith("word/media/image"):
zip_file.extract(names, doc_path)
os.rename(f"{doc_path}/{names}",
f"{doc_path}/{temp_dir}/imgs/{i}{names[names.find('.'):]}")
# print("\t", names, f"{i}{names[names.find('.'):]}")
i += 1
yield "word提取图片：", j * 1000 // len(files)
shutil.rmtree(f"{doc_path}/word")
if not os.path.exists(f"{doc_path}/imgs"):
os.mkdir(f"{doc_path}/imgs")
files = list(Path(f"{doc_path}/{temp_dir}/imgs").glob("*"))
for i, filename in enumerate(files, 1):
file = str(filename)
with Image.open(file) as im:
im.convert('RGB').save(
f"{doc_path}/imgs/{filename.name[:filename.name.find('.')]}.jpg", 'jpeg')
yield "图片转换为jpg格式：", i * 1000 // len(files)
if __name__ == '__main__':
doc_path = r"E:\tmp\答疑整理"
for msg, i in word_img_extract(doc_path):
print(f"\r {msg}{i}", end="")
GUI程序的最终完整代码：
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
# 创建时间：2020/12/25 12:03
__author__ = 'xiaoxiaoming'
import PySimpleGUI as sg
from word_img_extract import word_img_extract
sg.change_look_and_feel("GreenMono")
layout = [
[
sg.Text("请输入word文档所在的目录："),
sg.In(size=(25, 1), enable_events=True, key="-FOLDER-"),
sg.FolderBrowse('浏览'),
], [
sg.Button('开始抽取', enable_events=True, key="抽取"),
sg.Text(text_color="red", size=(47, 2), key="error"),
], [
sg.Text("准备：", size=(20, 1), key="-TOUT-"),
sg.ProgressBar(1000, orientation='h', size=(35, 20), key='progressbar')
]
]
window = sg.Window('word文档图片抽取系统', layout)
while True:
event, values = window.read()
if event in (None,):
break # 相当于关闭界面
elif event == "抽取":
if values["-FOLDER-"]:
window["error"].update("")
try:
for msg, i in word_img_extract(values["-FOLDER-"]):
window["-TOUT-"].update(msg)
window['progressbar'].UpdateBar(i)
window["-TOUT-"].update('抽取完毕！！！')
except Exception as e:
window["error"].update(str(e))
else:
sg.popup('请先输入word文档所在的路径！！！')
window.close()
重新打包：
pyinstaller -wF --icon=C:\Users\Think\Pictures\ico\ooopic_1467046829.ico word_img_extract_GUI.py
运行效果：
