将内容从 Word 文档中提取出来可以方便我们对其进行其他操作，如将内容储存在数据库中、将内容导入到其他程序中、用于 AI 训练以及制作其他文档等。第三方库Spire.Doc for Python提供了一个简单的方法直接提取 Word 文档中的内容，包括文本和图片，而不需要大量的复制粘贴操作，也不需要复杂的代码。本文将介绍如何使用简单的代码实现从 Word 文档中提取文本和图片内容并保存。
- 从 Word 文档中提取文本内容并写入 TXT 文件
- 从 Word 文档中提取图片并保存
Python库安装：在操作之前，需要先将Spire.Doc for Python 引入到项目中。可以下载后安装，或直接通过 pip 安装。
pip install Spire.Doc
Python 提取Word文档中的文本内容
Spire.Doc for Python中的 Document.GetText()方法可以获取Word文档中的所有文本并返回字符串，我们可以将返回的字符串写入到文本文件中进行保存。
代码示例：
from turtle import stfrom spire.doc import *from spire.doc.common import *def WriteAllText(fname:str,text:List[str]): fp = open(fname,"w") for s in text: fp.write(s) fp.close()inputFile = "示例.docx"outputFile = "获取的文本.txt" #创建Document的对象document = Document()#载入Word文档document.LoadFromFile(inputFile)#获取文档中的文本text = document.GetText()#将文本写入文本文件WriteAllText(outputFile, text)document.Close()
提取结果
Python 提取Word文档中的图片
提取图片的操作相对复杂一些，需要判断文档元素子对象是否为图片或复合对象，如果是图片则保存，如果是复合对象则继续判断其中的子对象是否为图片。
代码示例：
import queuefrom spire.doc import *from spire.doc.common import *import osoutputPath = "Images/"inputFile = "示例.docx"if not os.path.exists(outputPath): os.makedirs(outputPath)#创建Document的对象document = Document()#载入Word文档document.LoadFromFile(inputFile)#创建一个队列并将文档元素放入其中nodes = queue.Queue()nodes.put(document)#创建一个列表images = []#循环遍历文档元素while nodes.qsize() > 0: node = nodes.get() for i in range(node.ChildObjects.Count): #获取文档元素的子对象 child = node.ChildObjects.get_Item(i) #判断子对象是否为图片 if child.DocumentObjectType == DocumentObjectType.Picture: picture = child if isinstance(child, DocPicture) else None dataBytes = picture.ImageBytes #添加到列表中 images.append(dataBytes) #判断子对象是否为复合对象 elif isinstance(child, ICompositeObject): #添加到队列中 nodes.put(child if isinstance(child, ICompositeObject) else None)#保存图片for i, item in enumerate(images): fileName = "Image-{}.png".format(i) with open(outputPath+fileName,'wb') as imageFile: imageFile.write(item)document.Close()
提取结果：
以上是关于如何使用Python 从Word文档中提取文本和图片的介绍。该Python Word库还支持非常多的文档操作，具体可以查看 Spire.Doc for Python中文教程。