python读取word文档,如何识别其中的图片文件,并将图片文件保存到硬盘后,从word文档中删除该图片

文件？
您好，很高兴为您解答问题。针对您的问题，我们可以通过 Python 中的第三方库 python-docx 来读取和处理 Word 文档中的内容。具体步骤如下：

1. 使用 python-docx 库打开 Word 文档，获取所有的图片对象。
2. 遍历所有图片对象，获取图片内容并保存到本地硬盘。
3. 删除 Word 文档中的对应图片。

具体代码如下：

import os
from docx import Document
from docx.enum.dml import MSO_THEME_COLOR_INDEXES
from docx.enum.text import WD_BREAK_TYPE
from docx.oxml import OxmlElement
from docx.oxml.ns import nsdecls
from docx.oxml.xmlchemy import OneAndOnlyOne
from docx.shared import Cm, RGBColor, Pt

# 设置图片保存目录
SAVE_DIR = './img'

# 获取所有图片对象
def get_images(document):
    images = []
    for paragraph in document.paragraphs:
        for run in paragraph.runs:
            for inline in run._element.iterdescendants(tag='inline'):
                if inline.tag.endswith('graphic'):
                    for graphic in inline.iterdescendants(tag='graphic'):
                        for pic in graphic.iterdescendants(tag='pic'):
                            for blip in pic.iterdescendants(tag='blip'):
                                if blip.attrib.get('{http://schemas.openxmlformats.org/officeDocument/2006/relationships}embed'):
                                    images.append(blip)
    return images

# 保存图片到本地硬盘
def save_image(blip):
    # 创建图片目录
    if not os.path.exists(SAVE_DIR):
        os.makedirs(SAVE_DIR)
    # 打开 Word 文档文件，获取图片内容
    with open('document.xml.rels', 'r') as f:
        rels = f.read()
        rel_id = blip.attrib.get('{http://schemas.openxmlformats.org/officeDocument/2006/relationships}embed')
        filename = f'{SAVE_DIR}/{rel_id}.png'
        with open(filename, 'wb') as img:
            img.write(rels.encode('utf-8'))
    return filename

# 删除 Word 文档中的图片
def delete_image(document, blip):
    parent = blip.getparent()
    parent.getparent().remove(parent)
    p = OxmlElement('w:p')
    p.addprevious(parent)
    document.element.body.insert(0, p)
    for child in parent.iter():
        if child.tag.endswith('table'):
            child_index = parent.index(child)
            p.insert(child_index+1, child)
            break
    parent.clear_content()

# 主函数，读取 Word 文档中的图片并保存到本地硬盘
def process_word_doc(file):
    # 打开 Word 文档
    document = Document(file)
    # 获取所有图片对象
    images = get_images(document)
    # 保存图片到本地硬盘并删除 Word 中的图片
    for blip in images:
        filename = save_image(blip)
        delete_image(document, blip)
    # 保存修改后的 Word 文档
    document.save(file)

if __name__ == '__main__':
    process_word_doc('test.docx')

需要注意的是，代码只能处理 Word 文档中嵌入的图片，无法处理链接的图片。另外，为了保证代码的可用性，我们仅保存了图片的二进制数据，并未对图片做任何格式转换。如果需要将图片转换成其他格式，可以使用 PIL 等第三方库进行处理。