Python 从带有页码的 MS Word 文档中提取图像

问题描述

我的应用程序目前能够从 Python 中的 MS Word 文档中提取图像，方法是将它们视为 zipfile 并从 /word/media/ 中抓取图像，如下所示：

    archive = zipfile.ZipFile(document_path)
    tempdir = tempfile.TemporaryDirectory()
    for file in archive.filelist:
        if file.filename.startswith("word/media/"):
            ext_result = archive.extract(file,tempdir.name)
            LOG.info("Extracted from MS Word: {}".format(ext_result))

我有一个新用例，需要我知道图像是从文档的哪个页面提取的。

我查看了 document.xml 文件，但没有看到任何明显的东西。如果文档有显式分页符，我假设文件中会有一个 XML 元素代表它们，我可以计算这些元素，但即使文档没有显式分页符，我也需要它工作。

我还能做些什么来获取每张图片的页码？

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）