该需求是一个真实的实战需求，如果你的公司在做题库类的系统，一定会涉及该方面的内容，所以收藏起来吧。
需求简单描述如下所示：
提取 Word（为了便于解决，统一格式为docx）中的题干/选项图片；将其传递到云 OSS 上，并返回图片地址；部分场景，需要将其拼接为 HTML 的img标签进行返回。
实操环节
首先你需要准备好云OSS的AccessKeyId和AccessKeySecret，这两个值一般由运维工程师提供给你，如果你的公司比较小，没有运维岗位，那就需要自己去申请并进行配置啦。
云 OSS 的购买和设置的流程非常简单，创建一个Bucket之后，就可以使用了。
然后点击创建好的 Bucket ，进行权限设置，选择公共读即可。
接下来在 Python 文件中编写如下代码，并测试是否可以返回 Bucket 对象，下述的字符串一定要写准确，任意内容错误都会报错，导致 oss 无法链接。
AccessKeyId = '你的 AccessKeyId'AccessKeySecret = '你的 AccessKeySecret'oos_auth = oss2.Auth(AccessKeyId, AccessKeySecret)endpoint = 'http://oss-cn-'bucket = oss2.Bucket(oos_auth, endpoint, 'Bucket 名称') print(bucket)
上述字符串的值，可以在云 OSS 的概览中找到，如下图所示。
接下来就进入 Word 图片的环节，读取文件依旧使用第三方模块，python-docx。
在正式开始前，需要准备好一个测试用的 Word 文档，可以参考下图设置 Word 文档的内容。
首先通过python-docx读取文档中的所有行paragraphs，使用如下代码：
import oss2import timefrom docx import Documentdef get_questions():document = Document(docx='测试 Word 文档.docx')for p in document.paragraphs:print(p.text)if __name__ == '__main__':get_questions()
上述代码重点为document.paragraphs，调用该属性将逐段落返回文档内容，然后再通过对象的.text属性，输出里面的文字。
此时的代码无法获取到段落中的图片，可以使用下述代码进行提取。
import oss2import timefrom 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:returnimg = img[0]embed = img.xpath('.//a:blip/@r:embed')[0]related_part = document.part.related_parts[embed]image = related_part.imagereturn imagedef 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()
在上述代码中，最重要的函数为get_picture()函数，核心逻辑是由于docx文档是一种 xml 结构，通过paragraph._element.xpath()方法可以进行数据提取。
读取数据的结果如下所示：
在上文的注释中，还存在一个图片属性img.blob，即读取图片的二进制流。
拿该文件流即可写入云 OSS，然后拼接图片的访问路径，最后将其拼接到img标签中即可。
import oss2import timefrom 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:returnimg = img[0]embed = img.xpath('.//a:blip/@r:embed')[0]related_part = document.part.related_parts[embed]image = related_part.imagereturn imagedef ret_up_imgurl(image):blob = image.blob# 后缀ext = image.extAccessKeyId = '你的 AccessKeyId'AccessKeySecret = '你的 AccessKeySecret 'oos_auth = oss2.Auth(AccessKeyId, AccessKeySecret)endpoint = 'http://oss-cn-'bucket = oss2.Bucket(oos_auth, endpoint, 'Bucket 名称') base_file_url = 'https://Bucket 名称.oss-cn-/'# 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 Falsedef 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()
上述代码重点部分在bucket.put_object(file_name, blob)，该方法将图片二进制流传递到OSS空间。
本需求就实现到这里了，如果对你有帮助，欢迎一键三连~
支持博主时间
今天是持续写作的第 278 / 365 天。
可以关注我，点赞我、评论我、收藏我啦。
更多精彩
Python 爬虫 100 例教程导航帖（连续3年，不断更！）👇👇👇扫码加入【78技术人】~ Python 事业部👇👇👇
