Word压缩解决方案

Word压缩解决方案：基于图片压缩的 `.docx` 优化实践

📌 背景

在日常科研写作或项目文档整理中，Word 文档（.docx）往往因为插入大量高清图表、扫描图像、公式图等导致文件体积过大，或者毕业学位论文查重要求上传给定大小限制的word文档。这不仅影响文档存储和传输，还在版本控制、邮件发送等场景下带来极大不便。

特别是在使用 MathType、截图粘贴或插入 .tif/.wmf 图片后，Word 会自动嵌入高分辨率对象，导致文档膨胀至数十 MB。

为此，本文提出一种结构化解压分析 + 图像压缩优化 + 结构还原 的压缩方案，将 .docx 体积从 60MB 压缩至 30MB 以下，且不影响内容与排版。

🧰 准备工作

✅ 将 `.docx` 转为 `.zip` 文件

Word 的 .docx 文件本质是一个 ZIP 包。我们先手动重命名文件后缀，得到：

bash 复制代码

example.docx → example.zip

✅ 解压缩 `.zip` 文件

使用右键或工具（如 7-Zip）解压 example.zip，你将看到如下结构：

复制代码

📁 解压目录
├── [Content_Types].xml
├── _rels/
├── word/
├── docProps/
├── customXml/

其中，图像资源位于：

复制代码

word/media/

🛠 压缩实施步骤

S1: 分析 `media/` 目录下的文件结构

我们使用 Python 脚本统计不同图片类型的数量与空间占用：

bash 复制代码

python ./fileTypeAnalysis.py

python 复制代码

import os

# 设置要统计的文件夹路径
target_dir = r"./example/word/media"

# 要统计的扩展名（不区分大小写）
exts_to_track = [".tiff", ".tif", ".wmf", ".png", ".jpeg", ".jpg"]

# 存储结果的字典
file_stats = {ext: {"count": 0, "total_size": 0} for ext in exts_to_track}

# 遍历所有文件
for root, dirs, files in os.walk(target_dir):
    for file in files:
        ext = os.path.splitext(file)[1].lower()
        if ext in file_stats:
            full_path = os.path.join(root, file)
            try:
                file_size = os.path.getsize(full_path)
                file_stats[ext]["count"] += 1
                file_stats[ext]["total_size"] += file_size
            except Exception as e:
                print(f"Error reading {file}: {e}")

# 输出统计结果
print(f"\n📊 文件类型统计结果（单位：MB）：\n{'-'*40}")
for ext, stats in file_stats.items():
    size_mb = stats["total_size"] / (1024 * 1024)
    print(f"{ext:<6} → 数量: {stats['count']:>4}，总大小: {size_mb:.2f} MB")

执行结果示例：

S2: 根据不同类型文件，制定处理策略

我们聚焦 .tif 和 .png 两种文件：

.tif 文件 ：压缩后仍保存为 .tif，使用无损 LZW 编码
.png 文件 ：开启 optimize=True，并可设置最大宽度进行缩放处理

S3: 执行压缩处理脚本

bash 复制代码

python ./tif_png_compress.py

python 复制代码

from PIL import Image
import os

# 设置图像目录
media_dir = r"./example/word/media"
max_width = 1000  # 超过该宽度将自动缩放

# 遍历文件
for file in os.listdir(media_dir):
    ext = os.path.splitext(file)[1].lower()
    input_path = os.path.join(media_dir, file)

    # 处理 .tif / .tiff
    if ext in [".tif", ".tiff"]:
        try:
            with Image.open(input_path) as img:
                img = img.convert("RGB")
                if img.width > max_width:
                    scale = max_width / img.width
                    img = img.resize((int(img.width * scale), int(img.height * scale)), Image.ANTIALIAS)

                # 保存为原路径，使用 LZW 压缩（无损）
                img.save(input_path, format="TIFF", compression="tiff_lzw")
                print(f"[✓] Compressed TIF: {file}")
        except Exception as e:
            print(f"[✗] Failed to compress TIF {file}: {e}")

    # 处理 .png
    elif ext == ".png":
        try:
            with Image.open(input_path) as img:
                if img.mode not in ["RGB", "RGBA"]:
                    img = img.convert("RGBA")
                if img.width > max_width:
                    scale = max_width / img.width
                    img = img.resize((int(img.width * scale), int(img.height * scale)), Image.ANTIALIAS)

                # 覆盖保存，启用 PNG 压缩优化
                img.save(input_path, format="PNG", optimize=True)
                print(f"[✓] Compressed PNG: {file}")
        except Exception as e:
            print(f"[✗] Failed to compress PNG {file}: {e}")

该脚本将直接在原路径覆盖原文件，无需修改 Word 中的图片引用路径。

S4: 再次检查 `media/` 文件体积分布

再次执行文件统计脚本，确认压缩是否有效。多数 .tif 和 .png 文件可压缩 60% 以上。

S5: 打包还原为 `.docx`

确保压缩优化完成后，将所有内容重新压缩为 .docx：

S5-1: 进入包含 [Content_Types].xml 的目录

S5-2: 全选所有内容（不要包含外层文件夹）

S5-3: 右键 → 发送到 → 压缩(zip)文件夹

S5-4: 将生成的 .zip 文件重命名为 .docx

或通过以下脚本进行还原：

bash 复制代码

python ./docxRecover.py

bash 复制代码

import zipfile
import os

def zip_dir_to_docx(src_dir, output_docx):
    with zipfile.ZipFile(output_docx, 'w', zipfile.ZIP_DEFLATED) as docx_zip:
        for foldername, subfolders, filenames in os.walk(src_dir):
            for filename in filenames:
                file_path = os.path.join(foldername, filename)
                arcname = os.path.relpath(file_path, src_dir)
                docx_zip.write(file_path, arcname)
    print(f"[✓] 成功打包为 {output_docx}")

# 修改路径为你自己的
zip_dir_to_docx(
    src_dir=r"./example/",      # 该目录必须是包含 [Content_Types].xml 的目录
    output_docx= r"./example-comp.docx"
)

现在你得到的 example-comp.docx 即为压缩后的版本，结构完整，内容不变。

✅ 总结

通过解压 Word 文档结构、定位图像资源并分类压缩，可以有效将 60MB+ 的 .docx 文件压缩至 40MB 以下，具体效果如下：

文件类型	压缩前	压缩后	减少比例
`.tif`	31.44 MB	~27.38 MB	~12.91.67%
`.png`	25.84 MB	~7.44 MB	~71.05%
`.docx` 总体	~62.3 MB	~38.4 MB	~38.36% ✅ 达成目标

该方法适用于学位论文、技术文档、报告等文件过大场景，且不破坏 Word 样式与结构。

🧩 以上处理涉及到的代码已开源https://github.com/JOYUAGV/wordCompress.git，欢迎Star！

Word压缩解决方案