GUI实战｜Python做一个文档图片提取软件

大家好，在上周的办公自动化系列文章中，我们已经讲解了如何用Python读取与写入Excel图片，在上上周的GUI系列文章中，也讲解了如何制作一个图片查看软件。

本文将进一步讲解如何用Python提取PDF与Word中图片，并结合之前讲解过的GUI框架PysimpleGUI，做一个多文件图片提取软件，效果如下：

本文主要将分为以下部分讲解：

PDF、Word、Excel文件图片提取
构造图片提取器GUI框架
整合代码并打包

主要涉及的Python模块有：

PIL
PySimpleGUI
re
win32
os
zipfile
fitz

准备工作

首先使用pip安装相关依赖模块

pip install pillow   #这是对模块PTL的安装
pip install pypiwin32    #这是对win32的安装
pip install os 
pip install zipfile
pip install PyMuPDF  #这是引用fitz对PDF操作的包
pip install PySimpleGui

一、提取各文件内嵌图片

在之前的文章有讲过，读取Excel有两种方法。一种是将后缀名改成.zip格式进行提取，一种是通过Pillow模块对Excel进行图片复制与保存。而在我们这次3种文件格式的图片提取当中，Excel提取图片方法和之前一样。

Word提取图片方法和通过.zip提取方法类似，PDF提取图片方法要用到新的模块。由于Excel提取图片的两种方法在之前的文章讲过，故这里只讲解PDF和Word的提取方法。

1.1 提取Word图片思路

和以前一样，我们先看代码再讲解

path = values["lujing"]  
count = 1
for file in os.listdir(path):
    new_file = file.replace(".docx",".zip")
    os.rename(os.path.join(path,file),os.path.join(path,new_file))
    count+=1      
    number = 0
    craterDir = values["lujing"] + '/'  # 存放zip文件的文件夹路径
    saveDir = values["lujing"] + '/' # 存放图片的路径
    list_dir = os.listdir(craterDir) # 获取所有的zip文件名
    for i in range(len(list_dir)):
        if 'zip' not in list_dir[i]:
            list_dir[i] = ''
            while '' in list_dir:
                list_dir.remove('')                            
                for zip_name in list_dir:
                    # 默认模式r,读
                    azip = zipfile.ZipFile(craterDir + zip_name)
                    # 返回所有文件夹和文件
                    namelist = (azip.namelist())
                    for idx in range(0,len(namelist)):
                        if namelist[idx][:11] == 'word/media/':#图片是在这个路径下
                            img_name = saveDir + str(number)+'.jpg'
                            f = azip.open(namelist[idx])
                            img = Image.open(f)
                            img = img.convert("RGB")
                            img.save(img_name,"JPEG")
                            number += 1
                            azip.close()  #关闭文件，必须有，释放内存

这里的代码和GUI中通过.zip方式提取Excel图片的代码思路是一样的。

“
path = values["lujing"]这里是读取GUI中键为**“lujing”**的值，也即文件存储位置，用于os模块读取与操作。
new_file = file.replace(".docx",".zip")是替换后缀名，如果是Excel的话，就把.docx改成.xlsx或xls。
craterDir = values["lujing"] + '/' 这是存放zip文件的文件夹路径，注意这里读取到的键为“lujing”的值后要在后面添加/。
saveDir = values["lujing"] + '/' 这是存放图片的路径，同理，和上面一样加个/号。
”

最后说一下与Excel提取相比，最大的不同是下面的代码

if namelist[idx][:11] == 'word/media/':细心的读者可以发现，与Excel提取相比，中括号里面的值改了。

很好理解，我们可以打印namelist[idx]，可以发现在索引0到10是'word/media/'所在位置。而在Excel中是前9位。

感兴趣的读者可以翻看之前的文章，那里有对这段代码的详细解析，这里不多做介绍。

1.1 提取Word图片思路

1.2 提取PDF图片思路

更多相关文章

随机推荐