python操作docx文件

问题场景

最近想丰富一下我的gitee代码首页，展示一下我之前做的毕业设计：在线云盘+自由表单收集系统。操作文档成为了我书写首页的首选，但是操作文档是word格式的，想要把其中的图片都提取出来，于是想到了用python代码的实现。

研究过程

安装包

pip install python-docx

从创建一个文档开始

def create_docx():
    # 创建文档
    document = Document()
    # 标题
    document.add_heading("标题0", level=0)
    document.add_heading("标题1", level=1)
    document.add_heading("标题2", level=2)

    # 图片的跨度10厘米
    document.add_picture("1280X1280.PNG", width=Cm(15))
    # 保存
    document.save("test.docx")

效果预览：

提取文件中的图片

参照案例，实现了提取图片方法。

def get_pictures(word_path):
    """
    图片提取
    """
    try:
        doc = Document(word_path)
        dict_rel = doc.part._rels
        word_name = str.split(os.path.basename(word_path), '.')[0]
        save_dir = os.path.join('./imgs', word_name)
        if not os.path.exists(save_dir):
            os.makedirs(save_dir)
        for index, rel in enumerate(dict_rel):
            rel = dict_rel[rel]
            if "image" in rel.target_ref:
                img_name = re.findall("/(.*)", rel.target_ref)[0]
                save_path = os.path.join(save_dir, img_name)
                print(f'saving to {save_path}...')
                with open(save_path, "wb") as f:
                    f.write(rel.target_part.blob)
    except Exception as e:
        print(str(e))
        pass

提取文件中的文字

def get_all_text(word_path):
    document = Document(word_path)
    pars_string = [par.text for par in document.paragraphs]
    print(pars_string)