python批量读取图片文字保留格式_Python 提取Word里的所有图片并批量转化格式

要实现Python批量读取图片文字并保留格式，可以使用OCR技术对图片进行文字识别，然后将识别出的文本保存为相应格式的文件。

以下是一个示例代码，实现了批量读取指定文件夹下的所有图片并进行OCR文字识别，最后将识别结果保存为txt文件：

import pytesseract
from PIL import Image
import os

# 设置tesseract的安装路径
pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'

# 指定待识别图片所在的文件夹路径
img_folder = r'C:\Users\username\Documents\images'

# 定义一个函数，用于对单张图片进行OCR文字识别，并将识别结果保存到txt文件中
def recognize_text(image_path):
    # 打开图片
    image = Image.open(image_path)
    # 进行OCR识别
    text = pytesseract.image_to_string(image, lang='eng')
    # 保存识别结果到txt文件中
    with open('result.txt', 'a') as f:
        f.write(text)
        f.write('\n\n')

# 遍历指定文件夹下的所有图片，进行OCR文字识别
for root, dirs, files in os.walk(img_folder):
    for file in files:
        if file.endswith('.jpg') or file.endswith('.png'):
            image_path = os.path.join(root, file)
            recognize_text(image_path)

如果要提取Word里的所有图片并批量转化格式，可以使用Python的docx库来实现。以下是一个示例代码，实现了提取Word文档中的所有图片并将其转化为jpg格式的图片：

from docx import Document

# 打开Word文档
doc = Document('example.docx')

# 定义一个函数，用于将Word文档中的图片保存为jpg格式的图片
def save_image(image, filename):
    with open(filename, 'wb') as f:
        f.write(image)

# 遍历文档中的所有图片，并将其转化为jpg格式的图片
for i, image in enumerate(doc.inline_shapes):
    if 'image' in image._element.xml:
        # 获取图片数据
        image_data = image._inline.graphic.graphicData.pic.blipFill.blip.getparent().getnext().getchildren()[0].getchildren()[0]
        # 将图片数据保存为jpg格式的图片
        save_image(image_data, f'image{i}.jpg')

需要注意的是，由于Word文档中的图片可能采用了不同的格式，因此转化为jpg格式的图片可能会失去一些细节。如果需要保留完整的图片格式，可以考虑将图片保存为原格式，或者使用第三方库进行格式转化。