复制.docx和保存图像

Question

我试图将文档的元素从一个文档文件复制到另一个文档文件。文字部分很简单，图像是它变得棘手的地方。附加一个图像来解释文档的结构:只是一些文本和1个图像。

​

​

from docx import Document
import io
doc = Document('/Users/neha/Desktop/testing.docx')


new_doc = Document()

for elem in doc.element.body:
    new_doc.element.body.append(elem)
new_doc.save('/Users/neha/Desktop/out.docx')

这让我了解了new_doc中文档的整个结构，但是图像仍然是空白的。图片如下：

​

​

好的是，我的空白图像位于正确的位置，所以我考虑从前面的图像中获取字节级数据，并将其插入到新的文档中。下面是我如何扩展上面的代码：

from docx import Document
import io
doc = Document('/Users/neha/Desktop/testing.docx')


new_doc = Document()

for elem in doc.element.body:
    new_doc.element.body.append(elem)

im = doc.inline_shapes[0]

blip = im._inline.graphic.graphicData.pic.blipFill.blip
rId = blip.embed


doc_part = doc.part
image_part = doc_part.related_parts[rId]
bytes = image_part._blob        #Here I get the byte level data for the image

im2 = new_doc.inline_shapes[0]
blip2 = im2._inline.graphic.graphicData.pic.blipFill.blip
rId2 = blip2.embed       
document_part2 = new_doc.part
document_part2.related_parts[rId2]._blob = bytes
new_doc.save('/Users/neha/Desktop/out.docx')

但是图像在new_doc中仍然是空的。从这里我该怎么办？

Answer 1

几天前我想出了一个解决办法。但是，使用这种方式，文本会丢失格式，但是图像的位置是正确的。

因此，对于para在paras中的source文档，如果有文本，我将其写到dest文档中。如果存在内联映像，则在dest文档中的那个位置添加一个唯一标识符(请参阅这里查看这些标识符如何工作，以及docxtpl中的上下文)。这些标识符和docxtpl在这里特别有用。然后使用这些唯一标识符，我创建了一个“context”(如下面所示)，它基本上是映射唯一标识符到其特定InlineImage的映射，最后我创建了这个上下文。

下面是我的代码(对不必要的缩进表示歉意，我直接从文本编辑器复制它，shift+tab在这里不工作:P)

        from docxtpl import DocxTemplate, InlineImage
        import Document
        import io
        import xml.etree.ElementTree as ET

        dest = DocxTemplate() 
        source = Document(source_path)
        context = {}
        ims = [im for im in source.inline_shapes]
        im_addresses = []
        im_streams = []
        count = 0
        for im in ims:
            blip = im._inline.graphic.graphicData.pic.blipFill.blip
            rId = blip.embed
            doc_part = source.part
            image_part = doc_part.related_parts[rId]
            byte_data = image_part._blob
            image_stream = io.BytesIO(byte_data)
            im_streams.append(image_stream)
            image_name = self.img_path+"img_"+"_"+str(count)+".jpeg"

            with open(image_name, "wb") as fh:
                fh.write(byte_data)
            fh.close()

            im_addresses.append(image_name)

            count += 1
        paras = source.paragraphs
        im_idx = 0

        for para in paras:
            p = dest.add_paragraph()
            r = p.add_run()
            if(para.text):
                r.add_text(para.text)
            root = ET.fromstring(para._p.xml)
            namespace = {'wp':"http://schemas.openxmlformats.org/drawingml/2006/wordprocessingDrawing"}

            inlines = root.findall('.//wp:inline',namespace)

            if(len(inlines) > 0):
                uid = "img_"+str(im_idx)

                r.add_text("{{ " + uid + " }}")


                context[uid] = InlineImage(dest,im_addresses[im_idx])
                im_idx += 1

        try:
            dest.render(context)
        except Exception as e:
            print(e)
        dest.save(dest_path)

PS：如果一个段落有两个图像，那么这段代码就会被证明是次优的。我们必须在以下几个方面作出一些改变：

if(len(inlines) > 0):
    uid = "img_"+str(im_idx)
    r.add_text("{{ " + uid + " }}")
    context[uid] = InlineImage(dest,im_addresses[im_idx])
    im_idx += 1

还必须在for语句中添加一个if循环。因为我不需要，因为通常我的图像足够大，所以它们总是以不同的段落出现。给任何可能需要它的人做个附带说明。

干杯!

Answer 2

你可以试试：

1. 通过解压缩.docx文件(每个如何在word 2007 .docx文件中搜索单词？)从第一个文档中提取图像
2. 将这些图像保存到文件系统中(例如，作为foo.png )
3. 用Python生成新的.docx文件，并使用document.add_picture('foo.png')添加.png文件。

Answer 3

这个问题是通过这个包https://docxtpl.readthedocs.io/en/latest/解决的。