#005 Python实现批量 Word to PNG图片

有个网友在WordtoPDF的文章中留言说有没有WORDTOPNG。

有需求，必须安排，业务场景做出来在聊聊。

一、思路

第一种：用WORD TO PDF的库（win32com.client）来实现

查资料发现这个库的SaveAs方法里面的WdSaveFormat 没有图片格式。

参考微软的官方说明：

WdSaveFormat 枚举 (Word) | Microsoft Learn

这个方法应该是行不通了。

第二种：百度出来Aspose这家商业的py库可以

立刻安排：Demo都跑成功了，结果图片上有这家的水印。

裤子都脱了，给我安排这个，就这？

第三种：曲线救国

STEP1：DOC先转PDF

SETP2：PDF转PNG

可行

二、实现和讲解

先贴代码，再来讲解注意事项：

# -*- coding: utf-8 -*-
"""
    @Author  : Nick
    @Time    : 2023/9/7
    @Comment : #005 doc to pdf to png
"""

from datetime import datetime
from pathlib import Path
import fitz  #pip install PyMuPDF
import cv2 # pip3 install opencv-python -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
import numpy as np
import os
from shutil import copyfile
import win32com.client #pip install pywin32


def is_blank(line):
    """
    判断本行是否空白行
    """
    for pixel in line:
        if not all(n == 255 for n in pixel):
            return False
    return True

def get_blank_block(img, begin_row, end_row, need_height):
    """
    获取高度大于等于输入值的整块空白区域
    """
    if (img is None) or (begin_row < 0) or (end_row < begin_row) or (need_height <= 0):
        return False, 0, 0
    if (end_row - begin_row) < need_height:
        return False, 0, 0
    start_row = -1
    found = False
    found_height = 0
    for row in range(begin_row, end_row):
        line = img[row, :]
        if not is_blank(line):
            # 非空白，则判断高度是否符合
            if found_height >= need_height:
                break
            start_row = -1
            found_height = 0
            continue
        # 是空白行
        if start_row < 0:
            start_row = row
        found_height += 1
    if found_height >= need_height:
        found = True
    return found, start_row, found_height

def shrink_img(img, blank_height=50, reserve_height=20):
    """
    将图片中过长的空白背景截取删除：对于图片中整行都是白色，且超过一定高度的，仅保留指定高度区域，其余删除。
    """
    # 读取原始图片宽高
    height, width = img.shape[:2]
    found = True
    img_stack = None
    begin_row = 0
    while found:
        found, begin_blank_row, found_height = get_blank_block(img, begin_row, height, blank_height)
        if found:
            # 找到空白区域，将搜索起始行到空白起始行之间的图像加入stack，跳过空白区域，继续搜索
            img2 = img[begin_row: begin_blank_row + reserve_height, :]
            begin_row = begin_blank_row + found_height
        else:
            # 没找到空白区域，将搜索起始行到结束行的图像加入stack
            img2 = img[begin_row:height, :]
        if img_stack is None:
            img_stack = np.vstack((img2,))
        else:
            img_stack = np.vstack((img_stack, img2))
    if img_stack is None:
        img_stack = img
    return img_stack

def pdf_2_png(pdf_name,png_name=None):
    print(pdf_name)
    pdf_path = Path(pdf_name).parent
    doc = fitz.open(pdf_name)
    img_stack = None
    temp = 0
    # 每页pdf生产一个临时图片
    for pg in range(doc.page_count):
        page = doc[pg]
        temp += 1
        rotate = int(0)
        # 每个尺寸的缩放系数为2，这将为我们生成分辨率提高四倍的图像。
        zoom_x = 2.0
        zoom_y = 2.0
        trans = fitz.Matrix(zoom_x, zoom_y).prerotate(rotate)
        pixmap = page.get_pixmap(matrix=trans, alpha=False)
        # 生成临时png文件路径
        pic_name = str(pdf_path.joinpath('_temp_{}.png'.format(temp)).absolute())
        pixmap.save(pic_name)
        # pm_img = cv2.imread(pic_name) # 此方式不支持中文目录，改用下方方法
        pm_img = cv2.imdecode(np.fromfile(pic_name, dtype=np.uint8), cv2.IMREAD_COLOR + cv2.IMREAD_IGNORE_ORIENTATION)

        pm_img = cv2.resize(pm_img, (1191, 1684))
        # 删除临时图片文件
        Path(pic_name).unlink(True)
        # 拼长图
        if img_stack is None:
        img_stack = np.vstack((pm_img,))
else:
        img_stack = np.vstack((img_stack, pm_img))
    # 删除长图中的空白区域
        thin_img = shrink_img(img_stack, 100, 20)

        output_file = png_name if png_name is not None else str(pdf_path.joinpath(Path(pdf_name).stem + ".png").absolute())
    # cv2.imwrite(str(tmp_img_name.absolute()), thin_img) # 不支持中文目录
    # 采用下述方法保存到带中文的目录
        cv2.imencode('.png', thin_img)[1].tofile(output_file)

        def shrink_file(img_file,target_file):
        pm_img = cv2.imread(img_file)
        im = shrink_img(pm_img, 120, 20)
        cv2.imwrite(target_file, im)


# Word文件转换为PDF
        def doc_to_pdf(word_path, pdf_path):
        try:
        # 创建Word应用程序对象
        word_app = win32com.client.Dispatch('Word.Application')
        # 打开Word文档
        doc = word_app.Documents.Open(word_path)
        # 保存为PDF
        doc.SaveAs(pdf_path, FileFormat=17)
        # 关闭文档和应用程序
        doc.Close()
        word_app.Quit()
        print(f'成功转换：{word_path} -> {pdf_path}')
        return True
        except Exception as e:
        print(f'转换失败：{word_path}，错误信息：{str(e)}')
        return False

# 批量转换Word文件夹下的所有文档
        def batch_doc_to_pdf_to_png(word_folder, pdf_folder):
    # 检查PDF保存目录是否存在，若不存在则创建
        if not os.path.exists(pdf_folder):
        os.makedirs(pdf_folder)

    # 遍历Word文件夹下的所有文件
        for filename in os.listdir(word_folder):
        if filename.endswith('.doc') or filename.endswith('.docx'):

        word_path = os.path.join(word_folder, filename)
        pdf_path = os.path.join(pdf_folder, f'{os.path.splitext(filename)[0]}.pdf')
        print("STEP1:正在处理DOC_TO_PDF:")
        print("DOC:" + word_path)
        print("PDF:" + pdf_path)
        doc_to_pdf(word_path, pdf_path)
        print("STEP2:正在处理PDF_TO_PNG:")
        pdf_2_png(pdf_path)
        print("PDF:" + pdf_path + "转PNG完成")

        if __name__ == '__main__':
# 调用批量转换函数进行转换
        folder_path = os.path.dirname(os.path.abspath(__file__)) #py所在的文件夹

        batch_doc_to_pdf_to_png(folder_path, folder_path)

注意实现：

1.要按照代码上的备注安装好依赖库。不常用的，我都写了备注。

2.把这个代发贴到py文件以后，把文件和WORD文档放在一个目录下，双击执行就可以。

3.注意：PDF合并成一张长图的时候，需要的时间较长，需要耐性等待一会。

三、执行效果

执行过程：

效果：

部分功能参考了网友的代码：

Python实现word或pdf文件转png长图_python word转图片_trivailman的博客-CSDN博客