任務(wù)要求：

將每頁需要的內(nèi)容讀取出來放到不同的文件夾，找出含有指定內(nèi)容的頁面創(chuàng)建文件夾，然后把相關(guān)的內(nèi)容和圖片放進去。

一 先將word轉(zhuǎn)為PDF

pdf 讀起來比較方便， 按頁碼讀取文件:文章來源地址http://www.zghlxwxcb.cn/news/detail-653455.html

import pdfplumber
from PIL import Image
import cv2
import numpy as np
import re
import os
import logging
import io


def create_folder(folder_name):
    if not os.path.exists(folder_name):
        os.makedirs(folder_name)


def CountPages(file_path):
    """
    根據(jù)編號創(chuàng)建文件夾
    :param file_path:
    :return:
    """
    with pdfplumber.open(file_path) as pdf:
        count = 0
        for page in pdf.pages:
            count += 1
            print(f"----------- 第{count}頁 ----------- \n\n")

            text = page.extract_text()
            matches = re.findall(r'編號\s*(\S+)', text)

            if matches:
                for match in matches:
                    if '*' in match:
                        logging.warning(f'編號名稱存在不能使用的字符，需要單獨調(diào)整，Page {count}, 編號后面的內(nèi)容: {match}')
                        folder_name = 'new_files/' + f'000 error Page_{count}'
                        # continue
                    else:
                        # folder_name = './new_files/' + match
                        folder_name = './new_files/' + f'{count}_' + match
                    create_folder(folder_name)

            images = page.images
            print(f'images: {images}')
            for i, img in enumerate(images):
                # x0, y0, x1, y1 = img["x0"], img["y0"], img["x1"], img["y1"]
                img_stream = img["stream"]

                # 從流中提取圖像數(shù)據(jù)
                img_data = img_stream.get_data()

                # 使用數(shù)據(jù)創(chuàng)建新圖像
                pil_img = Image.open(io.BytesIO(img_data))

                # 將圖像保存為 JPG
                img_filename = f"{folder_name}/image_{count}_{i + 1}.jpg"
                pil_img.save(img_filename, format="JPEG")
                print(f"保存圖像：{img_filename}")

        return count


"""
    1 需要先將文檔轉(zhuǎn)換為 pdf
    2 文件夾名稱不要頁碼改 39 行
    3 編號最好不要出現(xiàn) * 這種不能作為文件名的符號
    4 filePath 改文件路徑
    5 保存文件在同級文件目錄下
"""

# filePath = r"E:\11-normal_program\registration_card.pdf"
filePath = r"./registration_card.pdf"
CountPages(filePath)

到了這里，關(guān)于python讀取word/pdf文檔，指定文字內(nèi)容和圖片的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！