ICode9
精准搜索请尝试： 精确搜索
首页
编程语言>
数据库
系统相关
互联网
其他分享
Python
Java
JavaScript
android
PHP
首页 > 编程语言> 文章详细

Python GUI编程：制作一个文档图片提取软件

2020-12-22 19:34:55  阅读：153  来源： 互联网

标签：提取 img Python GUI 文档 PDF path sg 图片


本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理

以下文章最早早起Python ，作者GUI工作组

 

私信回复“资料”，即可免费领取Python实战案例讲解视频

Python GUI制作视频解析神器，全网视频免费看

https://www.bilibili.com/video/BV1tz4y1o7Yc/

 

前言

本文将进一步讲解如何用Python提取PDF与Word中图片，并结合之前讲解过的GUI框架PysimpleGUI，做一个多文件图片提取软件，效果如下：

 

本文主要将分为以下部分讲解：

  • PDF，Word，Excel文件图片提取
  • 构造图片提取器GUI框架
  • 整合代码并打包

 

主要涉及的Python模块有：

  • PIL
  • PySimpleGUI
  • re
  • win32
  • os
  • zipfile
  • fitz

 准备工作

首先使用pip安装相关依赖模块

pip install pillow   #这是对模块PTL的安装
pip install pypiwin32    #这是对win32的安装
pip install os 
pip install zipfile
pip install PyMuPDF  #这是引用fitz对PDF操作的包
pip install PySimpleGui

 

 一，提取各文件内嵌图片

在之前的文章有讲过，读取Excel有两种方法。一种是将后缀名改成.zip格式进行提取，一种是通过Pillow模块对Excel进行图片复制与保存。而在我们这次3种文件格式的图片提取当中，Excel提取图片方法和之前一样。

Word中图片提取方法和通过.zip提取方法类似，PDF提取图片方法要用到新的模块。由于Excel中提取图片的两种方法在之前的文章讲过，故这里只讲解PDF和Word中的提取方法。

1.1提取Word图片思路

和以前一样，我们先看代码再讲解

path = values["lujing"]  
count = 1
for file in os.listdir(path):
    new_file = file.replace(".docx",".zip")
    os.rename(os.path.join(path,file),os.path.join(path,new_file))
    count+=1      
    number = 0
    craterDir = values["lujing"] + '/'  # 存放zip文件的文件夹路径
    saveDir = values["lujing"] + '/' # 存放图片的路径
    list_dir = os.listdir(craterDir) # 获取所有的zip文件名
    for i in range(len(list_dir)):
        if 'zip' not in list_dir[i]:
            list_dir[i] = ''
            while '' in list_dir:
                list_dir.remove('')                            
                for zip_name in list_dir:
                    # 默认模式r,读
                    azip = zipfile.ZipFile(craterDir + zip_name)
                    # 返回所有文件夹和文件
                    namelist = (azip.namelist())
                    for idx in range(0,len(namelist)):
                        if namelist[idx][:11] == 'word/media/':#图片是在这个路径下
                            img_name = saveDir + str(number)+'.jpg'
                            f = azip.open(namelist[idx])
                            img = Image.open(f)
                            img = img.convert("RGB")
                            img.save(img_name,"JPEG")
                            number += 1
                            azip.close()  #关闭文件，必须有，释放内存

 

这里的代码和GUI中通过.zip方式提取Excel图片的代码思路是一样的。

“

path = values["lujing"]这里是读取GUI中键为**“ lujing” **的值，也即文件存储位置，用于os模块读取与操作。

new_file = file.replace(".docx",".zip")是替换后缀名，如果是Excel的话，就把.docx改成.xlsx或xls。

craterDir = values["lujing"] + '/' 这是存放zip文件的文件夹路径，注意此处重新到的键为“ lujing”的值后要在后面添加/。

saveDir = values["lujing"] + '/' 这是存放图片的路径，同理，和上面一样加个/号。

”

最后说一下与Excel提取比例，最大的不同是下面的代码

if namelist[idx][:11] == 'word/media/':细心的读者可以发现，与Excel提取比例，中括号里面的值改了。

很好理解，我们可以打印名称列表[idx]，可以发现在索引0到10是'word/media/'所在位置。而在Excel中是前9位。

感兴趣的读者可以翻看之前的文章，那里有对这段代码的详细解析，这里不多做介绍。

1.2提取PDF图片思路

和之前的excel提取图片一样，在一个pdf中加入4张图片，我们将它压缩为zip文件

 

读取后

 

相关代码如下：

def pdf2pic(path, pic_path):
    doc = fitz.open(path)
    nums = doc._getXrefLength()
    imgcount = 0 
    for i in range(1, nums):
        text = doc._getXrefString(i)
        if ('Width 2550' in text) and ('Height 3300' in text) or ('thumbnail' in text):
            continue
            checkXO = r"/Type(?= */XObject)"
            checkIM = r"/Subtype(?= */Image)"
            isXObject = re.search(checkXO, text)
            isImage = re.search(checkIM, text)
            if not isXObject or not isImage:
                continue
                imgcount += 1
                pix = fitz.Pixmap(doc, i)
                img_name = "img{}.png".format(imgcount)
                if pix.n < 5:
                    try:
                        pix.writePNG(os.path.join(pic_path, img_name))
                        pix = None
                        except:
                            pix0 = fitz.Pixmap(fitz.csRGB, pix)
                            pix0.writePNG(os.path.join(pic_path, img_name))
                            pix0 = None
if __name__ == '__main__':
 path = values["lujing"]+ '/' + values["wenjian"]
    pic_path = values["lujing"]
    pdf2pic(path, pic_path)

 

先说一下这段代码的思路吧，由于PDF不能像Excel和Word一样改后缀名进行提取，故这里运用python的一个模块PyMuPDF，过程如下

  • 阅读PDF并遍历每一页
  • 筛选无用的元素并用正则表达式获取图片
  • 生成并保存图片

fitz.open(path)是打开PDF文件夹，这里的路径是需要在GUI界面中获取用户的文件放置路径于文件名的。

for i in range(1, nums):
    text = doc._getXrefString(i)

 

这是我们的第一步重新并存历，将重新引入到的字符串内容放入到文本中

if ('Width 2550' in text) and ('Height 3300' in text) or ('thumbnail' in text):
 continue

 

由于PDF每页的背景就是一张图片，故我们可以通过宽高来寻找这些背景图片并用continue把他们剔除。

checkXO = r"/Type(?= */XObject)"
checkIM = r"/Subtype(?= */Image)"
isXObject = re.search(checkXO, text)
isImage = re.search(checkIM, text)
if not isXObject or not isImage:
    continue

 

我们通过实验发现图片所对应的字符串在checkxo与checkIM这两个中。故用正则表达式在文本中进行索引提取，用到了re模块的搜索函数。如果不是这两个字符串就用继续剔除。

pix = fitz.Pixmap(doc, i)
img_name = "img{}.png".format(imgcount)
if pix.n < 5:
 try:
  pix.writePNG(os.path.join(pic_path, img_name))
  pix = None
 except:
  pix0 = fitz.Pixmap(fitz.csRGB, pix)
  pix0.writePNG(os.path.join(pic_path, img_name))
  pix0 = None

 

这是最后一步生成与保存图片

“

pix = fitz.Pixmap(doc, i)是生成图像语句，doc代表PDF文件，i代表遍历每个图片对象的索引值。

img_name = "img{}.png".format(imgcount)是设置图像名语句，用提取到的图片的序列号作为命名格式。

”

如果pix.n <5，可以直接存为PNG，否则将进行RGB变换在保存。

由于代码采用的是def函数编写模式，故最后还要一个函数的初始化：if __name__ == '__main__':

至此，3种文件格式（Excel，Word，PDF）图片提取方法已全部讲解，接下来就是重中之重GUI生成了。

 二，GUI框架建造

先看完整代码：

import PySimpleGUI as sg
sg.ChangeLookAndFeel('GreenTan')   #更换主题
menu_def = [['&使用说明', ['&注意']]]
layout = [
    [sg.Menu(menu_def, tearoff=True)],
    [sg.Frame(layout=[
    [sg.Radio('Excel1', "RADIO1",size=(10,1),key="Excel1"),  sg.Radio('Word', "RADIO1",default=True,key="Word")],
    [sg.Radio('Excel2', "RADIO1", enable_events=True, size=(10,1),key="Excel2"), sg.Radio('PDF', "RADIO1",key="PDF")]], title='选项',title_color='red', relief=sg.RELIEF_SUNKEN, tooltip='Use these to set flags')],
    [sg.Text('文件位置', size=(8, 1), auto_size_text=False, justification='right'),
     sg.InputText(enable_events=True,key="lujing"), sg.FolderBrowse()],
    [sg.Text('文件名字', size=(8, 1), justification='right'),
     sg.InputText(enable_events=True,key="wenjian")],
    [sg.Submit(tooltip='文件'), sg.Cancel()]]

window = sg.Window('图片提取器', layout, default_element_size=(40, 1), grab_anywhere=False)
while True:
    event, values = window.read()
    if event == "Submit":
        if values["Excel2"] == True:
   '''
   事件绑定
   '''
            sg.Popup("提取成功")

        if values["Excel1"] == True:
   '''
   事件绑定
   '''
            sg.Popup("提取成功")
        if values["Word"] == True:
   '''
   事件绑定
   '''
            sg.Popup("提取成功") 
        if values["PDF"] == True:
   '''
   事件绑定
   '''
            sg.Popup("提取成功")
    if event == "Cancel" or event == sg.WIN_CLOSED:
        break    
    if event == "注意":
        sg.Popup("作用讲解：",
                 "Excel1 ：解析选定位置中所有的Excel文件，无需在文件名处填写",
                 "Excel2 ：解析选定位置中单个指定的Excel文件，需在文件名处填写",
                 "Word ：  解析选定位置中单个指定的docx结尾的文件，无需在文件名处填写",
                 "PDF ：   解析选定位置中单个指定的PDF文件，需在文件名处填写")
window.close()

 

效果呈现：

 

代码解析：做PySimpleGUI还是原来那个步骤：

导入 创建一些小部件创建窗口创建事件循环

当然，做GUI之前就是先想清楚自己的图形交互页面长什么样，像我就是现在纸上画一个大概，这样更有益于制作页面。

初步先引用模块

第二步添加元素（小部件）到容器（layout）中，这里先介绍一下用到到的部件：

“

Menu：顾名思义，这是菜单栏，每个GUI都必带一个菜单栏来提示用户该如何做，我们这里用了menu_def这个布局来完成菜单的设置。

Frame：这个跟layout布局完全相同，工作方式也一样，他们都是容器元素。可以看到“选项”那里是一个指示器的正方形，里面有四个选项，作用就是这个。注意，&这个符号的作用是创建相同类型的菜单，这里只有注意事项这一个菜单，故可以不用管，读者如果想添加同样的菜单的话必须添加一个&。tearoff=True这个参数是菜单栏中每个子选项上面加虚线。

Radio：单选按钮。我们只可以在同样的id上选择一个选项。id就是指代码中的“ ra-dio1 ”。其中每个无线电函数的第一个参数是文本内容，这里就是我们要进行提取的4个文件格式。而“ size”就是位置，每行的第一个设置同样的参数（10，1）。最后就是我们进行事件帮忙的绑定键，其中“ enable_events”可以不写因为我们只是调用它而不用去对它产生事件。

Text：之前有讲是不能改的正文内容。同样这里设置的位置参数（8，1），justification='right'有点类似我们平常用的单词那个向右指向。

InputText：需要用户输入的正文内容。这里有两个需要我们填充的地方：文件位置和文件名。这里需要设置键，因为在后面事件绑定中我们需要调用文件存储路径和文件名，在文中上半部分有提到过。

FolderBrowse：简易的打开文件路径操作，不用你去复制路径。

Submit：确定按钮，这里绑定为执行提取文档图片事件

Cancel：退出主程序按钮。

”

第三步就是创建窗户来容纳这些元素布置。

第四步创建事件循环，可以看到代码，都是一样的套路：当用户点击提交按钮时系统将进行判断你按的是该单选按钮，长长的进行相对应的事件执行。当你点击cancel或者×时，就是退出主程序。当你按菜单中的注意时，就会弹出一个指示告诉你这个系统怎么用。

在事件循环中，我们用values[]的布尔值来判断我们选的是哪个单选按钮，有读者疑问为什么不用event=，因为我们在第一个if当中用了eventso第二个if当中需要换一个判断方法。

至此，GUI部分就搞定了！景点的读者可以继续在上面添加功能。

 三，打包

我们将完整代码整合在一起，后安装pyinstaller模块

pip install pyinstaller

 

如果你的上述项目代码文件命名为：photo.py。那么你要用以下命令进行打包

pyinstaller photo.py

 

最后打包成功之后，你会在py文件所在的文件夹看到一个dist的子文件夹。进去之后，找到pachong.exe文件并运行它即可。

注意，文件夹里附带了很多文件，您可以删除它。当然，如果嫌麻烦就直接从photo.py文件用Python执行。

标签：提取,img,Python,GUI,文档,PDF,path,sg,图片
来源： https://www.cnblogs.com/hhh188764/p/14174755.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

关于我们 | 联系我们 | 留言反馈

专注分享技术，共同学习，共同进步。侵权联系[81616952@qq.com]

Copyright (C)ICode9.com, All Rights Reserved.

ICode9版权所有