在工作中，我们可能会遇到需要从多个 Word 文档中批量提取图片的需求。如果手动操作，效率低且容易出错。因此，利用 Python 自动化批量提取图片是一个不错的选择。本篇文章将详细介绍如何使用 Python 来实现从 .doc 和 .docx 格式的 Word 文档中批量提取图片并保存到指定的文件夹中。
一、环境准备
1. 安装Python和所需库
首先，我们需要 Python 环境，并且安装以下 Python 库：
- win32com：用于与 Windows COM 组件（如 Word）进行交互。
- Pillow：处理图像的库，用于保存剪贴板中的图片。
pip install pywin32 pillow
2. 准备目录结构
假设你的 Word 文档存放在 D:\1 目录中，图片提取后会存储在 D:\1\图片 文件夹中。
二、代码实现
1. 导入必要的库
首先，我们导入必要的库，并初始化 COM 环境。win32com.client 提供了与 Word 的接口，PIL.ImageGrab 可以从剪贴板中获取图像。
import os
import win32com.client as win32
import pythoncom
from PIL import ImageGrab
import time
2. 编写提取图片的主函数
函数 extract_images_from_doc(input_dir, output_dir) 是核心逻辑：
- 初始化 COM 环境，确保可以控制 Word。
- 遍历指定目录中的文件，只处理
.doc和.docx格式的文件。 - 创建一个与 Word 文件同名的文件夹，用于存放从该文档提取的图片。
- 打开文档，逐一读取其中的图片，将其复制到剪贴板。
- 使用
ImageGrab.grabclipboard()从剪贴板中获取图片，并将其保存为.jpg格式。 - 关闭文档，继续处理下一个文件。
3. 完整代码实现
def extract_images_from_doc(input_dir, output_dir):
# 初始化COM环境
pythoncom.CoInitialize()
word_app = win32.gencache.EnsureDispatch("Word.Application")
word_app.Visible = False # 不显示Word应用
# 获取所有.doc和.docx文件
for doc_file in os.listdir(input_dir):
if doc_file.endswith(('.doc', '.docx')):
# 创建每个文档对应的文件夹
doc_name = os.path.splitext(doc_file)[0]
doc_output_folder = os.path.join(output_dir, doc_name)
os.makedirs(doc_output_folder, exist_ok=True)
# 打开.doc或.docx文件
doc_path = os.path.join(input_dir, doc_file)
doc = word_app.Documents.Open(doc_path)
image_count = 0
# 遍历所有内嵌图片
for shape in doc.InlineShapes:
image_count += 1
# 复制图片到剪贴板
shape.Select()
word_app.Selection.CopyAsPicture()
# 确保剪贴板已复制图片
time.sleep(0.5) # 等待剪贴板稳定
# 从剪贴板获取图片
img = ImageGrab.grabclipboard()
if isinstance(img, ImageGrab.Image.Image):
# 如果图像是RGBA模式，则转换为RGB模式
if img.mode == 'RGBA':
img = img.convert('RGB')
# 保存图片为JPEG格式
img_path = os.path.join(doc_output_folder, f'image_{image_count}.jpg')
img.save(img_path, 'JPEG')
print(f"已保存图片: {img_path}")
else:
print(f"未找到图片：{doc_file} - image_{image_count}")
print(f"{doc_file} 中的所有图片已保存到 {doc_output_folder}")
doc.Close()
word_app.Quit()
4. 示例用法
最后，我们设置输入和输出文件夹的路径，并调用 extract_images_from_doc 函数。将 D:\1 替换为你的 Word 文档所在路径，D:\1\图片 替换为存储提取图片的路径。
# 示例用法
input_directory = r'D:\1' # 替换为你的.doc或.docx文件所在文件夹路径
output_directory = r'D:\1\图片' # 替换为存储图片的总文件夹路径
extract_images_from_doc(input_directory, output_directory)
三、代码说明
-
文件夹处理：代码会自动检查输入路径中的
.doc和.docx文件。对于每个文档，代码会在输出文件夹内创建一个以文档名命名的文件夹，将该文档中的所有图片保存到这个文件夹中。 -
图片提取和保存：
- 将图片从文档中复制到剪贴板。
- 使用
ImageGrab.grabclipboard()从剪贴板获取图片。如果图片是RGBA模式，转换为RGB模式，便于保存为.jpg格式。
-
错误处理：如果某个文档中未找到图片，代码会打印相应提示。
-
延时操作：
time.sleep(0.5)确保图片已经成功复制到剪贴板，避免图像未完全加载而无法提取的问题。
四、注意事项
- Word版本：此代码适用于安装了 Microsoft Word 的 Windows 系统。
- Word不可见模式：代码中将
word_app.Visible = False，以隐藏 Word 窗口，节省资源和避免干扰。 - 路径设置：确保输入和输出路径正确，以避免出现文件无法读取或写入的错误。
- 防止过多图片未提取问题：如果遇到很多图片未成功提取，可以尝试调整
time.sleep(0.5)的延时值，增加至0.8或更长，以适应不同电脑的响应速度。
五、总结
通过 Python 和 COM 技术，我们能够轻松实现从 Word 文档中批量提取图片的需求。此代码既可以处理 .doc 也可以处理 .docx 文件，具有较强的通用性。在实际应用中，提取图片后可以用于报告整理、图片分析等多个场景。
六、反馈
欢迎大家想我提供想要的办公代码，我很乐意帮忙写各种代码，希望大家可以喜欢，也希望大家可以给提出好的建议，请多多关注。
标签：docx,Word,Python,doc,剪贴板,文件夹,文档,图片 From： https://blog.csdn.net/m0_70207299/article/details/143773696