0
これらのファイルタイプの画像を取り除く方法を探していましたが、これは私が思いついた解決方法です。これは、指定されたディレクトリ構造を反復し、適切な拡張子を持つファイルをコピーし、そのコピーの名前をfilename.zipに変更します。次に、zip構造をナビゲートし、適切な拡張子を持つすべてのピクチャタイプファイルを抽出し、元のファイル名に一意性の番号を付けて名前を変更します。最後に、作成した抽出されたディレクトリツリーを削除します。PythonでWordとExcelから画像を抽出する
テキスト文書から写真を抽出することは私の仕事の一部なので、実際には長年に渡って数千時間を節約できます。
すべてのコードは以下のとおりです。私が本当に求めているのは、より良い方法はありますか？もっと効率的なものがありますか？それは他のフォーマットを含むように拡大縮小できますか？テキストをtxtに抽出できますか？単語とメモ帳の読み込み時間はどちらですか？
このソリューションは私のLinuxマシンで動作し、画像を抽出できますが、まだWindowsシステムでテストしていません。
#!/usr/bin/python3
import shutil
import os
import zipfile
def zipDoc(aFile,dirPath):
dotNDX = aFile.index(".") # position of the .
shortFN = aFile[:dotNDX] # name of the file before .
zipName = dirPath + shortFN + ".zip" # name and path of the file only .zip
shutil.copy2(dirPath + aFile, zipName) # copies all data from original into .zip format
useZIP = zipfile.ZipFile(zipName) # the usable zip file
return useZIP # returns the zipped file
def hasPicExtension(aFile): # if a file ends in a typical picture file extension, returns true
picEndings = [".jpeg",".jpg",".png",".bmp",".JPEG"".JPG",".BMP",".PNG"] # list of photo extensions
if aFile.endswith(tuple(picEndings)): # turn the list into a tuple, because .endswith accepts that
return True
else: # if it doesn't end in a picture extension
return False
def delDOCXEvidence(somePath): # removes the .docx file structures generated
##################################################################
# Working Linux code:
os.rmdir(somePath + "/word/media") # removes directory
os.rmdir(somePath + "/word") # removes more directory
##################################################################
##################################################################
# Untested windows code:
# os.rmdir(somePath + "\\\\word\\\\media") # removes directory
# os.rmdir(somePath + "\\\\word") #removes more directory
##################################################################
def delXLSXEvidence(somePath): # removes the .xlsx file structures generated
##################################################################
# Working Linux code:
os.rmdir(somePath + "/xl/media") # removes directory
os.rmdir(somePath + "/xl") # removes more directory
##################################################################
##################################################################
# Untested windows code:
# os.rmdir(somePath + "\\\\xl\\\\media") # removes directory
# os.rmdir(somePath + "\\\\xl") #removes more directory
##################################################################
def extractPicsFromDir(dirPath=""):
# when given a directory path, will extract all images from all .docx and .xlsx file types
if os.path.isdir(dirPath): # if the given path is a directory
for dirFile in os.listdir(dirPath): # loops through all files in the directory
dirFileName = os.fsdecode(dirFile) # strips out the file name
if dirFileName.endswith(".docx"):
useZIP = zipDoc(dirFile,dirPath) # turns it into a zip
picNum = 1 # number of pictures in file
for zippedFile in useZIP.namelist(): # loops through all files in the directory
if hasPicExtension(zippedFile): # if it ends with photo
useZIP.extract(zippedFile, path=dirPath) # extracts the picture to the path + word/media/
shutil.move(dirPath + str(zippedFile),dirPath + dirFileName[:dirFileName.index(".")] + " - " + str(picNum)) # moves the picture out
picNum += 1
delDOCXEvidence(dirPath) # removes the extracted file structure
os.remove(useZIP.filename) # removes zip file
# no evidence
if dirFileName.endswith(".xlsx"):
useZIP = zipDoc(dirFile,dirPath) # turns it into a zip
picNum = 1 # number of pictures in file
for zippedFile in useZIP.namelist(): # loops through all files in the directory
if hasPicExtension(zippedFile): # if it ends with photo
useZIP.extract(zippedFile, path=dirPath) # extracts the picture to the path + word/media/
shutil.move(dirPath + str(zippedFile),dirPath + dirFileName[:dirFileName.index(".")] + " - " + str(picNum)) # moves the picture out
picNum += 1
delXLSXEvidence(dirPath) # removes the extracted file structure
os.remove(useZIP.filename) # removes zip file
# no evidence
else:
print("Not a directory path!")
exit(1)
uDir = input("Enter your directory: ")
extractPicsFromDir(uDir)