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，该脚本会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？感谢您的任何帮助！我正在使用Python 2.7。

Answer 1

可以解压 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 文件中搜索单词？

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

我在这里找到了一个解决方案，请检查下面的链接 以序列方式提取的文本，如果首先是文本，则在图像之后获取文本，然后进行 OCR 并以序列方式获取文本。

https://rndcode.blogspot.com/2023/12/exploring-python-unlocking-power-of.html

希望这有帮助。

Answer 5

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

试试这个，会有效果的。