python提取word文件中的圖片并上傳阿里云OSS
該需求是一個(gè)真實(shí)的實(shí)戰(zhàn)需求，如果你的公司在做題庫類的系統(tǒng)，一定會(huì)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(xiàng)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(biāo)簽進(jìn)行返回。
實(shí)操環(huán)節(jié)
首先你需要準(zhǔn)備好云OSS的 AccessKeyId 和 AccessKeySecret ，這兩個(gè)值一般由運(yùn)維工程師提供給你，如果你的公司比較小，沒有運(yùn)維崗位，那就需要自己去申請(qǐng)并進(jìn)行配置啦。
云 OSS 的購買和設(shè)置的流程非常簡單，創(chuàng)建一個(gè) Bucket 之后，就可以使用了。
然后點(diǎn)擊創(chuàng)建好的 Bucket ，進(jìn)行權(quán)限設(shè)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(duì)象，下述的字符串一定要寫準(zhǔn)確，任意內(nèi)容錯(cuò)誤都會(huì)報(bào)錯(cuò)，導(dǎo)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(jìn)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(zhǔn)備好一個(gè)測試用的 Word 文檔，可以參考下圖設(shè)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(diǎn)為 document.paragraphs ，調(diào)用該屬性將逐段落返回文檔內(nèi)容，然后再通過對(duì)象的 .text 屬性，輸出里面的文字。
此時(shí)的代碼無法獲取到段落中的圖片，可以使用下述代碼進(jìn)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(jìn)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(jié)構(gòu)，通過 paragraph._element.xpath() 方法可以進(jìn)行數(shù)據(jù)提取。
讀取數(shù)據(jù)的結(jié)果如下所示：
在上文的注釋中，還存在一個(gè)圖片屬性 img.blob ，即讀取圖片的二進(jìn)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(biāo)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(gè)文件名
file_name = str(int(time.time())) + "." + ext
# 上傳二進(jìn)制流
res = bucket.put_object(file_name, blob)
if res.status == 200:
# 返回標(biāo)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(diǎn)部分在 bucket.put_object(file_name, blob) ，該方法將圖片二進(jìn)制流傳遞到OSS空間。?
到此這篇關(guān)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(guān)python提取word文件中的圖片內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
pycharm運(yùn)行和調(diào)試不顯示結(jié)果的解決方法
今天小編就為大家分享一篇pycharm運(yùn)行和調(diào)試不顯示結(jié)果的解決方法，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2018-11-11
使用LibTorch進(jìn)行C++調(diào)用pytorch模型方式
這篇文章主要介紹了使用LibTorch進(jìn)行C++調(diào)用pytorch模型方式，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2022-12-12
本篇文章介紹了用python編寫的二次元特效變化小程序，詳細(xì)介紹了整個(gè)思路和過程以及代碼，通讀本篇對(duì)大家的學(xué)習(xí)或工作具有一定的價(jià)值，需要的朋友可以參考下2021-09-09
Django集成MongoDB實(shí)現(xiàn)過程解析
這篇文章主要介紹了Django集成MongoDB實(shí)現(xiàn)過程解析,文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-12-12
tesserocr與pytesseract模塊的使用方法解析
這篇文章主要介紹了tesserocr與pytesseract模塊的使用方法解析,文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2019-08-08
python 打印直角三角形，等邊三角形，菱形，正方形的代碼
這篇文章主要介紹了python 打印直角三角形，等邊三角形，菱形，正方形的代碼,需要的朋友可以參考下2017-11-11
Django + Uwsgi + Nginx 實(shí)現(xiàn)生產(chǎn)環(huán)境部署的方法
Django的部署可以有很多方式，采用nginx+uwsgi的方式是其中比較常見的一種方式。這篇文章主要介紹了Django + Uwsgi + Nginx 實(shí)現(xiàn)生產(chǎn)環(huán)境部署，感興趣的小伙伴們可以參考一下2018-06-06
tensorflow學(xué)習(xí)教程之文本分類詳析
初學(xué)tensorflow，借鑒了很多別人的經(jīng)驗(yàn)，參考博客對(duì)評(píng)論分類(感謝博主的一系列好文)，本人也嘗試著實(shí)現(xiàn)了對(duì)文本數(shù)據(jù)的分類，下面這篇文章主要給大家介紹了關(guān)于tensorflow學(xué)習(xí)教程之文本分類的相關(guān)資料，需要的朋友可以參考下2018-08-08
本篇文章主要介紹了Python模擬登陸實(shí)現(xiàn)代碼，這里整理了詳細(xì)的代碼,具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2017-06-06
這篇文章主要介紹了python自動(dòng)生成model文件過程詳解,文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值2019-11-11