使用Python从word文档中提取图像和文本

Question

我想在一个充满 Word 文档的文件夹上运行一个脚本，该脚本读取文档并提取图像及其标题（图像正下方的文本）。根据我所做的研究，我认为 pywin32 可能是一个可行的解决方案。我知道如何使用 pywin32 查找字符串并将其拉出，但我需要图像部分的帮助。如何读取 docx 文件并在找到图像时发生事件？感谢您的帮助！我正在使用Python 2.7。

Answer 1

可以解压缩 Docx 文件以提取图像。

Answer 2

在这篇文章中寻找一些灵感 如何在Word 2007 .docx 文件？

Answer 3

您可以使用 python 模块 docx2txt 从 docx 文件中提取文本和图像

Answer 4

document =docx.Document(filepath)
for image in document.inline_shapes:
    print (image.width, image.height)

试试这个，它会起作用。