python提取word文件中的圖片并上傳阿里云OSS
該需求是一個真實的實戰(zhàn)需求，如果你的公司在做題庫類的系統(tǒng)，一定會涉及該方面的內(nèi)容，所以收藏起來吧。
需求簡單描述如下所示：
1.提取 Word（為了便于解決，統(tǒng)一格式為 docx）中的題干/選項圖片；
2.將其傳遞到云 OSS 上，并返回圖片地址；
3.部分場景，需要將其拼接為 HTML 的 img 標簽進行返回。
實操環(huán)節(jié)
首先你需要準備好云OSS的 AccessKeyId 和 AccessKeySecret ，這兩個值一般由運維工程師提供給你，如果你的公司比較小，沒有運維崗位，那就需要自己去申請并進行配置啦。
云 OSS 的購買和設置的流程非常簡單，創(chuàng)建一個 Bucket 之后，就可以使用了。
然后點擊創(chuàng)建好的 Bucket ，進行權限設置，選擇公共讀即可。
接下來在 Python 文件中編寫如下代碼，并測試是否可以返回 Bucket 對象，下述的字符串一定要寫準確，任意內(nèi)容錯誤都會報錯，導致 oss 無法鏈接。
AccessKeyId = '你的 AccessKeyId' AccessKeySecret = '你的 AccessKeySecret' oos_auth = oss2.Auth(AccessKeyId, AccessKeySecret) endpoint = 'http://oss-cn-beijing.aliyuncs.com' bucket = oss2.Bucket(oos_auth, endpoint, 'Bucket 名稱') print(bucket)
上述字符串的值，可以在云 OSS 的概覽中找到，如下圖所示。
接下來就進入 Word 圖片的環(huán)節(jié)，讀取文件依舊使用第三方模塊， python-docx 。
在正式開始前，需要準備好一個測試用的 Word 文檔，可以參考下圖設置 Word 文檔的內(nèi)容。
首先通過 python-docx 讀取文檔中的所有行 paragraphs ，使用如下代碼：
import oss2
import time
from docx import Document
def get_questions():
document = Document(docx='測試 Word 文檔.docx')
for p in document.paragraphs:
print(p.text)
if __name__ == '__main__':
get_questions()
上述代碼重點為 document.paragraphs ，調用該屬性將逐段落返回文檔內(nèi)容，然后再通過對象的 .text 屬性，輸出里面的文字。
此時的代碼無法獲取到段落中的圖片，可以使用下述代碼進行提取。
import oss2
import time
from docx import Document
# 獲取 Word 文檔中的圖片
def get_picture(document, paragraph):
img = paragraph._element.xpath('.//pic:pic')
if not img:
return
img = img[0]
embed = img.xpath('.//a:blip/@r:embed')[0]
related_part = document.part.related_parts[embed]
image = related_part.image
return image
def get_questions():
document = Document(docx='測試 Word 文檔.docx')
for p in document.paragraphs:
# 讀取圖片
img = get_picture(document, p)
print(img)
if img is not None:
# 輸出圖片名
print(img.filename)
# 輸出圖片后綴
print(img.ext)
# 輸出圖片的二進制流
# print(img.blob)
print(p.text)
if __name__ == '__main__':
get_questions()
在上述代碼中，最重要的函數(shù)為 get_picture() 函數(shù)，核心邏輯是由于 docx 文檔是一種 xml 結構，通過 paragraph._element.xpath() 方法可以進行數(shù)據(jù)提取。
讀取數(shù)據(jù)的結果如下所示：
在上文的注釋中，還存在一個圖片屬性 img.blob ，即讀取圖片的二進制流。
拿該文件流即可寫入云 OSS，然后拼接圖片的訪問路徑，最后將其拼接到 img 標簽中即可。
import oss2
import time
from docx import Document
# 獲取 Word 文檔中的圖片
def get_picture(document, paragraph):
img = paragraph._element.xpath('.//pic:pic')
if not img:
return
img = img[0]
embed = img.xpath('.//a:blip/@r:embed')[0]
related_part = document.part.related_parts[embed]
image = related_part.image
return image
def ret_up_imgurl(image):
blob = image.blob
# 后綴
ext = image.ext
AccessKeyId = '你的 AccessKeyId'
AccessKeySecret = '你的 AccessKeySecret '
oos_auth = oss2.Auth(AccessKeyId, AccessKeySecret)
endpoint = 'http://oss-cn-beijing.aliyuncs.com'
bucket = oss2.Bucket(oos_auth, endpoint, 'Bucket 名稱')
base_file_url = 'https://Bucket 名稱.oss-cn-beijing.aliyuncs.com/'
# 獲取一個文件名
file_name = str(int(time.time())) + "." + ext
# 上傳二進制流
res = bucket.put_object(file_name, blob)
if res.status == 200:
# 返回標簽
img_format = '<img src="{}" />'
return img_format.format(base_file_url + file_name)
else:
return False
def get_questions():
document = Document(docx='測試 Word 文檔.docx')
for p in document.paragraphs:
print(p.text)
img = get_picture(document, p)
print(img)
if img is not None:
print(img.filename)
print(img.ext)
ret_up_imgurl(img.blob)
if __name__ == '__main__':
get_questions()
上述代碼重點部分在 bucket.put_object(file_name, blob) ，該方法將圖片二進制流傳遞到OSS空間。?
到此這篇關于python提取word文件中的圖片并上傳阿里云OSS的文章就介紹到這了,更多相關python提取word文件中的圖片內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
相關文章
Python使用arrow庫優(yōu)雅地處理時間數(shù)據(jù)詳解
雖然Python提供了多個內(nèi)置模塊用于操作日期時間，但有的時候并不能滿足我們的需求，所以下面這篇文章主要給大家介紹了關于Python使用arrow庫如何優(yōu)雅地處理時間數(shù)據(jù)的相關資料，需要的朋友可以參考借鑒，下面來一起看看吧。2017-10-10
利用Anaconda創(chuàng)建虛擬環(huán)境的全過程
因為多次重新配置環(huán)境,這些命令每次都要用,每次都忘記,需要重新搜索,所以記錄這一過程,下面這篇文章主要給大家介紹了關于利用Anaconda創(chuàng)建虛擬環(huán)境的相關資料,文中通過圖文介紹的非常詳細,需要的朋友可以參考下2022-07-07
這篇文章主要介紹了詳解如何在PyCharm控制臺中輸出彩色文字和背景，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2020-08-08
Python Selenium安裝及環(huán)境配置的實現(xiàn)
這篇文章主要介紹了Python Selenium安裝及環(huán)境配置的實現(xiàn)，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2020-03-03
利用Python實現(xiàn)Shp格式向GeoJSON的轉換方法
JSON（JavaScript Object Nonation）是利用鍵值對+嵌套來表示數(shù)據(jù)的一種格式，以其輕量、易解析的優(yōu)點，這篇文章主要介紹了利用Python實現(xiàn)Shp格式向GeoJSON的轉換,需要的朋友可以參考下2019-07-07
這篇文章主要介紹了python如何將圖片批量保存至word文檔中問題，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2023-02-02
計數(shù)器counter是包含在collections模塊中的容器,這篇文章主要來和大家聊聊計數(shù)器counter的使用,感興趣的小伙伴可以跟隨小編一起學習一下2023-09-09
這篇文章主要介紹了Python pip使用超時問題解決方案,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2020-08-08
pytorch報錯問題:ValueError: num_samples should be
這篇文章主要介紹了pytorch報錯問題:ValueError: num_samples should be a positive integer value, but got num_samples=0的解決方案,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教2024-02-02
大家好，本篇文章主要講的是用python實現(xiàn)九九乘法表實例，感興趣的同學趕快來看一看吧，對你有幫助的話記得收藏一下2022-01-01