from docx import Document def extract_images_from_word(file_path): document = Document(file_path) for paragraph in document.paragraphs: for run in paragraph.runs: if run._r.xml.find("<wp:inline>") != -1: image_data = run._r.get_or_add_drawing().inline.graphic.graphicData.pic.blipFill.blip image_id = image_data.embed image_part = document.part.related_parts[image_id] image = image_part._blob # 保存图片 with open(f"image_{image_id}.png", "wb") as f: f.write(image) # 使用示例 extract_images_from_word("example.docx")

你的代码看起来很不错！它使用了`python-docx`库来从Word文档中提取图像，并将它们保存为PNG文件。代码中的`extract_images_from_word`函数接受一个参数`file_path`，表示要提取图像的Word文档的路径。

在函数内部，它打开指定的Word文档，并遍历所有的段落。对于每个段落，它再次遍历每个运行（run）。通过检查运行的XML内容中是否包含"<wp:inline>"，它确定该运行是否包含图像。如果找到图像，它获取图像的ID（embed），然后通过ID获取图像部分（image_part），最后获取图像的二进制数据（_blob）。

接下来，它使用图像ID生成图像文件名，并将图像数据保存为PNG文件。

你只需要将`example.docx`替换为你要提取图像的Word文档路径，然后调用`extract_images_from_word`函数即可提取图像。

希望这对你有所帮助！如果你还有其他问题，请随时提问。

相关问题

能否提供详细的步骤和代码示例，说明如何使用Python和PyMuPDF库将Word文档转换为PDF格式，并同时提取出生成的PDF文件中每一页的图片？

当然可以。首先，你需要安装`python-docx`（用于读取Word文档）和`pymupdf`（用于处理PDF）。可以使用pip来安装：

pip install python-docx PyMuPDF

以下是使用这两个库将Word文档转换为PDF并提取每页图片的详细步骤和代码示例：

import os
from docx import Document
from PyPDF2 import PdfWriter
from PIL import Image

# 1. 阅读Word文档
def read_word_file(word_path):
    doc = Document(word_path)
    return doc

# 2. 将Word文档转换为PDF
def word_to_pdf(doc, pdf_path):
    writer = PdfWriter()
    for i, paragraph in enumerate(doc.paragraphs):
        text = paragraph.text.encode('utf-8')
        writer.add_page(text)
    with open(pdf_path, 'wb') as f:
        writer.write(f)

# 3. 提取PDF的每一页图片（假设PDF中只包含文本，无嵌入图像）
def extract_pages_from_pdf(pdf_path, image_folder):
    images_folder = os.path.abspath(image_folder)
    if not os.path.exists(images_folder):
        os.makedirs(images_folder)
    
    with open(pdf_path, 'rb') as pdf_file:
        reader = PdfReader(pdf_file)
        for page_num, page in enumerate(reader.pages):
            img_data = page.extract_image()
            img_name = f"page_{page_num+1}.jpg"
            img_path = os.path.join(images_folder, img_name)
            with open(img_path, 'wb') as img_file:
                img_file.write(img_data)

# 使用方法
word_doc_path = "your_word_document.docx"
output_pdf_path = "output.pdf"
image_output_folder = "extracted_images"

doc = read_word_file(word_doc_path)
word_to_pdf(doc, output_pdf_path)
extract_pages_from_pdf(output_pdf_path, image_output_folder)