Python提取Word图片并上传阿里云OSS实战
本文介绍如何使用Python和python-docx库从Word文档中提取题干及选项图片，并通过阿里云OSS SDK将图片二进制流上传至云存储。教程涵盖OSS配置、Bucket权限设置、XML结构解析提取图片Blob，以及生成HTML img标签返回访问URL的完整流程，适用于题库系统开发场景。
需求背景与概述
这是一个真实的业务场景，若企业正在开发题库类系统，此类功能不可或缺，建议收藏备用。
具体需求描述如下：
1. 从Word文档（统一为docx格式）中提取题目或选项相关的图片；
2. 将提取的图片上传至云对象存储（OSS），并获取图片访问地址；
3. 在特定场景下，需将图片地址拼接为HTML img标签后返回。
阿里云OSS环境配置
具体实施步骤
首先需获取云OSS的AccessKeyId和AccessKeySecret，通常由运维人员提供；若公司无专职运维，需自行申请并配置。
云OSS的购买与配置流程简单，创建Bucket后即可使用。
进入已创建的Bucket，进行权限配置，选择“公共读”模式。
在Python代码中编写初始化逻辑，测试是否能成功返回Bucket对象。注意字符串参数必须准确无误，任何错误都会导致OSS连接失败。
AccessKeyId = '你的 AccessKeyId'
AccessKeySecret = '你的 AccessKeySecret'
oos_auth = oss2.Auth(AccessKeyId, AccessKeySecret)
endpoint = 'http://oss-cn-beijing.aliyuncs.com'
bucket = oss2.Bucket(oos_auth, endpoint, 'Bucket 名称')
print(bucket)
上述字符串的具体值可在云OSS的控制台概览页面中获取，参考下图。
Word文档图片提取实现
随后进入Word图片处理环节，读取文件需使用第三方模块python-docx。
正式操作前，准备一个包含测试内容的Word文档，可参考下图设置文档内容。
首先利用python-docx读取文档中的所有段落（paragraphs），代码如下：
import oss2
import time
from docx import Document
def get_questions():
document = Document(docx='测试 Word 文档.docx')
for p in document.paragraphs:
print(p.text)
if __name__ == '__main__':
get_questions()
上述代码的关键在于调用document.paragraphs属性，该属性会逐段返回文档内容，再通过对象的.text属性输出其中的文字信息。
仅依靠上述代码无法直接获取段落内的图片，需使用以下代码进行提取。
import oss2
import time
from docx import Document
# 获取 Word 文档中的图片
def get_picture(document, paragraph):
img = paragraph._element.xpath('.//pic:pic')
if not img:
return
img = img[0]
embed = img.xpath('.//a:blip/@r:embed')[0]
related_part = document.part.related_parts[embed]
image = related_part.image
return image
def get_questions():
document = Document(docx='测试 Word 文档.docx')
for p in document.paragraphs:
# 读取图片
img = get_picture(document, p)
print(img)
if img is not None:
# 输出图片名
print(img.filename)
# 输出图片后缀
print(img.ext)
# 输出图片的二进制流
# print(img.blob)
print(p.text)
if __name__ == '__main__':
get_questions()
核心函数为get_picture()，其原理是docx文档基于XML结构，通过paragraph._element.xpath()方法可提取相关数据。
读取数据的结果示例如下：
如上文注释所示，图片属性img.blob即为读取到的图片二进制流。
图片上传与HTML拼接
利用该文件流写入云OSS，拼接图片访问路径，最后将其嵌入img标签中即可。
import oss2
import time
from docx import Document
# 获取 Word 文档中的图片
def get_picture(document, paragraph):
img = paragraph._element.xpath('.//pic:pic')
if not img:
return
img = img[0]
embed = img.xpath('.//a:blip/@r:embed')[0]
related_part = document.part.related_parts[embed]
image = related_part.image
return image
def ret_up_imgurl(image):
blob = image.blob
# 后缀
ext = image.ext
AccessKeyId = '你的 AccessKeyId'
AccessKeySecret = '你的 AccessKeySecret '
oos_auth = oss2.Auth(AccessKeyId, AccessKeySecret)
endpoint = 'http://oss-cn-beijing.aliyuncs.com'
bucket = oss2.Bucket(oos_auth, endpoint, 'Bucket 名称')
base_file_url = 'https://Bucket 名称.oss-cn-beijing.aliyuncs.com/'
# 获取一个文件名
file_name = str(int(time.time())) + "." + ext
# 上传二进制流
res = bucket.put_object(file_name, blob)
if res.status == 200:
# 返回标签
img_format = '<img src="{}" />'
return img_format.format(base_file_url + file_name)
else:
return False
def get_questions():
document = Document(docx='测试 Word 文档.docx')
for p in document.paragraphs:
print(p.text)
img = get_picture(document, p)
print(img)
if img is not None:
print(img.filename)
print(img.ext)
ret_up_imgurl(img.blob)
if __name__ == '__main__':
get_questions()
上述代码的关键部分在于bucket.put_object(file_name, blob)，该方法负责将图片二进制流上传至OSS空间。
关于Python提取Word文件图片并上传阿里云OSS的介绍到此结束，更多相关内容请搜索本站历史文章或浏览后续文章，感谢支持！
本站声明
本文内容仅供参考，不代表本站观点。转载或引用请注明出处。如发现内容问题，请通过联系我们页面反馈。
