python提取word文本和word图片

提取文本

docx只支持docx格式，所以如果想读取doc需要另存为docx格式即可

import docx # pip3 install python-docx

doc = docx.Document('three.docx')
for paragraph in doc.paragraphs:
    print(paragraph.text)

提取图片

import zipfile
import os, re

# docx本质上也是个压缩文件，使用zip我们就可以看到所有图片都被保存到了word/media里边
# 我们将该文件夹下的数据获取即可
with zipfile.ZipFile('one.zip', 'r') as zip_ref:
    for name in zip_ref.namelist():
        if len(re.findall(r'^word/media/', name)) > 0:
            zip_ref.extract(name, '')