【Python】導(dǎo)出docx格式Word文檔中的文本、圖片和附件等

零、需求

為批量批改學(xué)生在機(jī)房提交的實(shí)驗(yàn)報(bào)告，我需要對所有的實(shí)驗(yàn)文檔內(nèi)容進(jìn)行處理。需要批量提取Word文檔中的圖片和附件以便進(jìn)一步檢查。如何提??？我想到了用起來比較方便的Python，經(jīng)過試驗(yàn)，方案可行，故此記錄。學(xué)生的作業(yè)主要是docx或者doc文檔，學(xué)生把項(xiàng)目打成壓縮包后以文件附件的形式放到文檔中，另外附上項(xiàng)目運(yùn)行截圖以方便批閱檢查。我教的這門課有5個(gè)班，179人，總共兩千多份作業(yè)。
╮(╯▽╰)╭

壹、軟件

最終我使用Python的tkinter構(gòu)建了一個(gè)圖形界面的小工具（鏈接在末尾），能導(dǎo)出docx文檔的相關(guān)內(nèi)容，主界面如下：

界面左右分欄，左邊是待導(dǎo)出的docx文件列表，右邊是一些導(dǎo)出選項(xiàng)。配置好之后點(diǎn)擊“導(dǎo)出”按鈕開始導(dǎo)出相關(guān)內(nèi)容，導(dǎo)出界面如下：

導(dǎo)出成功后可以保存一份json格式的導(dǎo)出報(bào)告，這份報(bào)告中記錄了導(dǎo)出的文件和原始文件的關(guān)系，導(dǎo)出報(bào)告界面如下：

功能就這樣了，簡簡單單，剩下的識(shí)別作業(yè)，自動(dòng)批改作業(yè)的代碼還沒整理，拿不出手，哈哈（>__<）。

貳、方案

下面介紹軟件細(xì)節(jié)相關(guān)內(nèi)容和部分探索的過程：

使用Python處理Word文檔，經(jīng)過搜索，發(fā)現(xiàn)有如下幾個(gè)主流方案：

1. python-docx：python-docx是一個(gè)用于創(chuàng)建和更新Word（.docx）文件的python庫，目前只支持docx。
2. pywin32：能處理doc和docx文檔，但是只能在Windows平臺(tái)上用，而且使用的時(shí)候需要電腦有安裝Office或者WPS。
3. python-docxtpl：使用Word文件模板生成新的Word文檔，這個(gè)好像跟主題無關(guān)，但是感覺水文檔啥的很有用，故寫一下。

經(jīng)過考慮，確認(rèn)使用python-docx，不需要另外安裝Office和WPS就能獨(dú)立處理Word文檔，支持跨平臺(tái)。至于有學(xué)生提交doc文檔？拒收?。ㄎ医o他們的是docx文檔，應(yīng)該不會(huì)故意轉(zhuǎn)成doc提交的，實(shí)在不行到時(shí)候再寫個(gè)插件用pywin32把doc轉(zhuǎn)成docx再處理吧~ QWQ）
另外，還需要用到python-oletools這個(gè)庫，配合python-docx可以用來導(dǎo)出嵌入的附件。

叁、實(shí)現(xiàn)

1. 要處理的Word文檔

要處理的Word文檔大致如下圖所示：
(o゜▽゜)o☆

在Word文檔中插入了一段文字、一張圖片和一個(gè)作為附件的壓縮包，附件是以“文件附件”的形式嵌入到文檔中的（即打包到了文檔中，換臺(tái)電腦也能正常打開），這樣可以模擬學(xué)生提交的實(shí)驗(yàn)報(bào)告文檔的大致情況。

2. Word文檔的結(jié)構(gòu)

經(jīng)過簡單的嘗試，發(fā)現(xiàn)docx是一個(gè)壓縮包，可以直接用7z打開：
(?ˉ?ˉ?)
于是將其解包，得到如下目錄：

Microsoft Windows [版本 10.0.22621.1702]
(c) Microsoft Corporation。保留所有權(quán)利。

E:\Project\pythonProject\pyHomeWorkTool\test\docx\word>tree /f
卷 卷下落花隨流水 的文件夾 PATH 列表
卷序列號(hào)為 EA73-5C63
E:.
│  [Content_Types].xml
│
├─docProps
│      app.xml
│      core.xml
│      custom.xml
│
├─word
│  │  document.xml
│  │  fontTable.xml
│  │  settings.xml
│  │  styles.xml
│  │
│  ├─embeddings
│  │      oleObject1.bin
│  │
│  ├─media
│  │      image1.png
│  │      image2.emf
│  │
│  ├─theme
│  │      theme1.xml
│  │
│  └─_rels
│          document.xml.rels
│
└─_rels
        .rels


E:\Project\pythonProject\pyHomeWorkTool\test\docx\word>

簡單分析，我們發(fā)現(xiàn)/word/media/image1.png就是剛剛插入的圖片，再編輯文檔再插入，發(fā)現(xiàn)也還是放到這個(gè)文件夾中的。基本可以確定以后Word中的所有圖片都可以到這里解壓出來。

另外我們發(fā)現(xiàn)/word/embeddings/oleObject1.bin文件能用7z打開，也是壓縮格式，里面的[1]Ole10Native應(yīng)該是剛剛放入的壓縮文件，至少能得到壓縮包里的文件，但是附件的原文件名就不知道在哪拿了。經(jīng)過上網(wǎng)搜索，發(fā)現(xiàn)這是一種OLE文件，doc文檔也是這種格式的文件，恰好Python有個(gè)叫python-oletools的庫可以把嵌入的文件從ole文件中轉(zhuǎn)存出來。

同時(shí)我們用WinHex查看/word/embeddings/oleObject1.bin中的[1]Ole10Native，可以發(fā)現(xiàn)前面的這一些數(shù)據(jù)剛好是文件名。因?yàn)槲覀儾迦氲氖菈嚎s文檔，所以不太好分析原始文檔的數(shù)據(jù)范圍，不過用7z打開能直接看到原始壓縮文檔的目錄，說明并沒有對插入文檔進(jìn)行再一步的封裝，很可能只是加了點(diǎn)頭和尾啥的。我們把插入的文檔從壓縮文檔換成文本文檔應(yīng)該就更好分析了，這邊不另外截圖了，大致分析過程是一樣的。這樣我們可以發(fā)現(xiàn)[1]Ole10Native只是在原文檔的基礎(chǔ)上在文件頭和文件尾添加了一些文件名、原始路徑和緩存路徑等，應(yīng)該是有固定格式的。我們待會(huì)兒應(yīng)該是可以把這些內(nèi)容提取出來的。其中的路徑可以作為判斷學(xué)生作業(yè)其他的依據(jù)。
(￣︶￣)↗

除了上面兩個(gè)文檔，我還發(fā)現(xiàn)/word/_rels/document.xml.rels中保存了一份文件清單，這份文件清單有我們嵌入的壓縮文檔（Id=rId5）和插入的圖片（Id=rId4），看了下rId6指向的/word/media/image2.emf，這個(gè)是我們嵌入的附件圖標(biāo)圖片。

為啥這里強(qiáng)調(diào)它們的ID，一個(gè)原因是這里的ID是除了路徑外的另外一個(gè)文件識(shí)別標(biāo)記，另一個(gè)原因是我在另外一個(gè)文檔（/word/document.xml）中發(fā)現(xiàn)了它們：

這個(gè)文檔看起來是一整個(gè)Word文檔的核心，Word上的所有內(nèi)容應(yīng)該都可以在這個(gè)上面找到所對應(yīng)的地方，例如我圖中的用紅色筆圈起的部分對應(yīng)著Word中的可見文字，用橙色筆圈起的部分對應(yīng)著Word中的圖片，用粉色筆圈起的部分對應(yīng)著Word中的附件（OLE）。最重要的是用紫色筆圈起的部分的ID，這部分與/word/_rels/document.xml.rels中的ID對應(yīng)，這樣我們把這兩份文檔關(guān)聯(lián)起來就能找到與文檔中插入部分對應(yīng)的文件了！

另外的一些xml中還發(fā)現(xiàn)了一些另外的有趣屬性，這些又可以作為判斷學(xué)生作業(yè)的其他依據(jù)：
(～￣▽￣)～

3. 實(shí)現(xiàn)目標(biāo)

了解了docx文檔的大致結(jié)構(gòu)后，我們可以開始嘗試使用python-docx去獲取上面的一些數(shù)據(jù)了。大致需要實(shí)現(xiàn)如下功能：

1. 所有文字轉(zhuǎn)存為文本文件。
2. 所有圖片轉(zhuǎn)存為單獨(dú)的圖片文件，具體的格式為Word能插入的圖片格式。
3. 所有插入的附件轉(zhuǎn)存為原始文檔，并嘗試恢復(fù)原文件名（圖片應(yīng)該也有原文件名的，應(yīng)該在/word/document.xml中，但是沒必要，因?yàn)楹芏嗤瑢W(xué)是截圖插入的，沒有保存成文件。文檔的原文件名可以幫助判斷這個(gè)附件是干啥的，比如sql文檔和txt文檔都是文本文檔，存儲(chǔ)方式一樣，只是文件名不一樣，如果有文件名我可以快速初步判斷這個(gè)是不是sql文檔）。

4. 使用python-docx打開Word文檔

導(dǎo)入python-docx：

import docx

python-docx使用起來非常簡單，用以下語句就可以打開word文檔了：

# 文件路徑
docx_file = r"E:\Project\pythonProject\pyHomeWorkTool\test\docx\word.docx"
# 打開docx文檔
docx_document = docx.Document(docx_file)

5. 提取文本

使用PyCharm的代碼調(diào)試工具，可以對docx_document 進(jìn)行簡單的分析：

可以發(fā)現(xiàn)文檔的大部分文本在paragraphs對象中，這是一個(gè)列表，我們待會(huì)兒可以循環(huán)獲取其text值，拼接起來導(dǎo)出即可。代碼表示如下：

all_text = ''
for paragraph in docx_document.paragraphs:
    all_text += paragraph.text
print('所有文本：', all_text)

對測試文檔的運(yùn)行結(jié)果如下：

D:\ProgramData\Anaconda3\python.exe E:/Project/pythonProject/pyHomeWorkTool/unpack.py
打開文檔完成
所有文本： 1文字：這是一段文字。翩若驚鴻，婉若游龍。榮曜秋菊，華茂春松。髣髴兮若輕云之蔽月，飄飖兮若流風(fēng)之回雪。遠(yuǎn)而望之，皎若太陽升朝霞；迫而察之，灼若芙蕖出淥波。01234567892圖片：3附件：

進(jìn)程已結(jié)束，退出代碼為 0

目前看就還好，文字都在，但是還不知道是不是全部文檔，因?yàn)槲臋n中還有表格、文本框等其他特殊一點(diǎn)的文本。重新修改文檔，插入表格，發(fā)現(xiàn)插入的表格無法導(dǎo)出。故再次分析，發(fā)現(xiàn)表格也是在docx_document 對象下的：

于是我們再導(dǎo)出表格：

all_table_text = ''
for table in docx_document.tables:
    for cell in getattr(table, '_cells'):
        all_table_text += cell.text + ' '  # 單元格之間用空格隔開
print('所有表格文本：', all_table_text)

運(yùn)行結(jié)果：

D:\ProgramData\Anaconda3\python.exe E:/Project/pythonProject/pyHomeWorkTool/unpack.py
打開文檔完成
所有文本： 1文字：這是一段文字。翩若驚鴻，婉若游龍。榮曜秋菊，華茂春松。髣髴兮若輕云之蔽月，飄飖兮若流風(fēng)之回雪。遠(yuǎn)而望之，皎若太陽升朝霞；迫而察之，灼若芙蕖出淥波。01234567892圖片：3附件：
所有表格文本： 姓名 班級 科目 分?jǐn)?shù) 小明 2 Java 97 小紅 2 C 78 

進(jìn)程已結(jié)束，退出代碼為 0

看起來不太理想，要想在文本文檔中重建表格的話還得寫更多判斷的代碼。不過這個(gè)滿足我的需求了，我的實(shí)驗(yàn)文檔中有個(gè)表格是填姓名的，提取出后可以根據(jù)這個(gè)判斷是誰的實(shí)驗(yàn)文檔（其實(shí)從文件名也可以判斷）。

另外的文本框還暫時(shí)不知道怎么通過docx_document 對象提取，不過既然有/word/document.xml文件，大不了直接解析xml了。
（＃￣～￣＃）

6. 提取圖片和OLE嵌入對象

我們前面找到了圖片的和OLE附件的文件清單（/word/_rels/document.xml.rels）、對應(yīng)的文件和/word/document.xml文件，以及它們之間的關(guān)系。同樣的，我們對docx_document 對象分析：

我們可以發(fā)現(xiàn)，在docx_document 對象下的part對象下的related_parts字典中有很多鍵為“rId**”的對象，而這些對象的鍵和路徑（partname）剛剛好與我們剛剛所看的文件清單（/word/_rels/document.xml.rels）和/word/document.xml文件中的一致。由此我們可以大致確定這些對象就是指向哪些文件的對象。然后發(fā)現(xiàn)對象中有個(gè)blob字節(jié)數(shù)組，可以猜測這就是對應(yīng)的文件數(shù)據(jù)，我們嘗試把這些導(dǎo)出來看看能不能打開，代碼如下：

import os

# 文件導(dǎo)出列表
export_files = []
# 遍歷所有附件
index = 0
docx_related_parts = docx_document.part.related_parts
for part in docx_related_parts:
    part = docx_related_parts[part]
    part_name = str(part.partname)  # 附件路徑（partname）
    if part_name.startswith('/word/media/') or part_name.startswith('/word/embeddings/'):  # 只導(dǎo)出這兩個(gè)目錄下的
        # 構(gòu)建導(dǎo)出路徑
        index += 1
        save_dir = os.path.dirname(os.path.abspath(__file__))  # 獲取當(dāng)前py腳本路徑
        index_str = str(index).rjust(2, '0')
        save_path = save_dir + '\\' + index_str + ' - ' + os.path.basename(part.partname)  # 拼接路徑
        print('導(dǎo)出路徑：', save_path)

        # 寫入文件
        with open(save_path, 'wb') as f:
            f.write(part.blob)
        # 記錄文件
        export_files.append(save_path)
print('導(dǎo)出的所有文件：', export_files)

輸出結(jié)果：

D:\ProgramData\Anaconda3\python.exe E:/Project/pythonProject/pyHomeWorkTool/unpack.py
打開文檔完成
所有文本： 1文字：這是一段文字。翩若驚鴻，婉若游龍。榮曜秋菊，華茂春松。髣髴兮若輕云之蔽月，飄飖兮若流風(fēng)之回雪。遠(yuǎn)而望之，皎若太陽升朝霞；迫而察之，灼若芙蕖出淥波。01234567892圖片：3附件：
所有表格文本： 姓名 班級 科目 分?jǐn)?shù) 小明 2 Java 97 小紅 2 C 78 
導(dǎo)出路徑： E:\Project\pythonProject\pyHomeWorkTool\01 - image2.emf
導(dǎo)出路徑： E:\Project\pythonProject\pyHomeWorkTool\02 - oleObject1.bin
導(dǎo)出路徑： E:\Project\pythonProject\pyHomeWorkTool\03 - image1.png
導(dǎo)出的所有文件： ['E:\\Project\\pythonProject\\pyHomeWorkTool\\01 - image2.emf', 'E:\\Project\\pythonProject\\pyHomeWorkTool\\02 - oleObject1.bin', 'E:\\Project\\pythonProject\\pyHomeWorkTool\\03 - image1.png']

進(jìn)程已結(jié)束，退出代碼為 0

還有三個(gè)文件：

成功！
(??????) ?
嘗試修改文件，插入更多的圖片、附件，依然能導(dǎo)出。這樣我們的圖片和附件就導(dǎo)出了，那么還有最后一個(gè)問題，就是怎么把導(dǎo)出的OLE文件還原為原來的附件？

7. 從OLE嵌入對象中提取原始附件

最后一個(gè)問題，我們需要把OLE文件中的原始文件提取出來，前面進(jìn)行過簡單的分析，如果不借助第三方工具則可以自己使用zip壓縮模塊把文件提取出來，然后把其在文件頭尾添加的原始文件名、原始路徑和緩存路徑等刪除即可。這樣的話我們得分析其的組成結(jié)構(gòu)，比較麻煩。不過恰好我們在找資料的時(shí)候發(fā)現(xiàn)了一個(gè)Python庫：python-oletools，看簡介它是用來對惡意的OLE文件進(jìn)行分析的，因?yàn)橹暗腤ord文檔是doc格式的嘛，然后doc格式本質(zhì)就是一個(gè)OLE文件，文檔中可以插入一些惡意的文件，因此需要有對應(yīng)的掃描工具。這樣它自然而然的就應(yīng)該有提取OLE文件中的原始文件的能力。簡單閱讀其文檔發(fā)現(xiàn)我們可以利用它的oleobj.py腳本對OLE文件進(jìn)行提?。?br> 直接到GitHub上下載好python-oletools項(xiàng)目的源碼，同時(shí)它依賴另外一個(gè)項(xiàng)目“olefile”，也下載下來，我這邊使用的分別是0.60.1和0.46的版本。根據(jù)其項(xiàng)目文檔，我們下載好項(xiàng)目后可以直接使用命令行的方式使用它（如果提示找不到模塊，要把olefile放到oletools中），例如，我們要提取剛剛從docx中導(dǎo)出的那個(gè)OLE附件包：

Microsoft Windows [版本 10.0.22621.1702]
(c) Microsoft Corporation。保留所有權(quán)利。

C:\Users\y17mm>D:\ProgramData\Anaconda3\python.exe D:\y17mm\Downloads\oletools\oleobj.py "E:\Project\pythonProject\pyHomeWorkTool\02 - oleObject1.bin"
D:\y17mm\Downloads\oletools\oleobj.py:581: SyntaxWarning: "is" with a literal. Did you mean "=="?
  if idx is -1:
oleobj 0.60.1 - http://decalage.info/oletools
THIS IS WORK IN PROGRESS - Check updates regularly!
Please report any issue at https://github.com/decalage2/oletools/issues

-------------------------------------------------------------------------------
File: 'E:\\Project\\pythonProject\\pyHomeWorkTool\\02 - oleObject1.bin'
extract file embedded in OLE object from stream '\x01Ole10Native':
Parsing OLE Package
Filename = "êú??????.rar"
Source path = "D:\y17mm\Desktop\zuoye\êú??????.rar"
Temp path = "C:\Users\y17mm\AppData\Local\Temp\êú??????.rar"
saving to file E:\Project\pythonProject\pyHomeWorkTool\02 - oleObject1.bin_________.rar

C:\Users\y17mm>

導(dǎo)出結(jié)果：

導(dǎo)出是導(dǎo)出了，但是好像不支持中文，用的應(yīng)該不是GBK的解碼方式。如果對這個(gè)不在意的話可以直接把下載下來的項(xiàng)目放到項(xiàng)目里，使用下面的代碼就可以實(shí)現(xiàn)對OLE文件的自動(dòng)提取了（如果提示找不到模塊，olefile和oletoos應(yīng)該并排放在項(xiàng)目中，或者直接使用pip安裝兩個(gè)庫也可以）：

from oletools import oleobj

for file in export_files:
    if file.endswith('.bin') and 'ole' in file.lower():  # .bin 作為后綴且文件名中有ole，則被認(rèn)為是OLE文件
        res = oleobj.main([file])
        if res == 1:  # 1為成功提取
            os.remove(file) # 刪除OLE文件，僅保留原始附件
        else:
            print(file, '提取OLE失敗')

執(zhí)行結(jié)果：

D:\ProgramData\Anaconda3\python.exe E:/Project/pythonProject/pyHomeWorkTool/unpack.py
打開文檔完成
所有文本： 1文字：這是一段文字。翩若驚鴻，婉若游龍。榮曜秋菊，華茂春松。髣髴兮若輕云之蔽月，飄飖兮若流風(fēng)之回雪。遠(yuǎn)而望之，皎若太陽升朝霞；迫而察之，灼若芙蕖出淥波。01234567892圖片：3附件：
所有表格文本： 姓名 班級 科目 分?jǐn)?shù) 小明 2 Java 97 小紅 2 C 78 
導(dǎo)出路徑： E:\Project\pythonProject\pyHomeWorkTool\01 - image2.emf
導(dǎo)出路徑： E:\Project\pythonProject\pyHomeWorkTool\02 - oleObject1.bin
導(dǎo)出路徑： E:\Project\pythonProject\pyHomeWorkTool\03 - image1.png
導(dǎo)出的所有文件： ['E:\\Project\\pythonProject\\pyHomeWorkTool\\01 - image2.emf', 'E:\\Project\\pythonProject\\pyHomeWorkTool\\02 - oleObject1.bin', 'E:\\Project\\pythonProject\\pyHomeWorkTool\\03 - image1.png']
E:\Project\pythonProject\pyHomeWorkTool\oletools\oleobj.py:581: SyntaxWarning: "is" with a literal. Did you mean "=="?
  if idx is -1:
oleobj 0.60.1 - http://decalage.info/oletools
THIS IS WORK IN PROGRESS - Check updates regularly!
Please report any issue at https://github.com/decalage2/oletools/issues

-------------------------------------------------------------------------------
File: 'E:\\Project\\pythonProject\\pyHomeWorkTool\\02 - oleObject1.bin'
extract file embedded in OLE object from stream '\x01Ole10Native':
Parsing OLE Package
Filename = "êú??????.rar"
Source path = "D:\y17mm\Desktop\zuoye\êú??????.rar"
Temp path = "C:\Users\y17mm\AppData\Local\Temp\êú??????.rar"
saving to file E:\Project\pythonProject\pyHomeWorkTool\02 - oleObject1.bin_________.rar

進(jìn)程已結(jié)束，退出代碼為 0

導(dǎo)出的內(nèi)容跟剛剛使用命令行導(dǎo)出的內(nèi)容一致。

這樣是能正常導(dǎo)出拿到所有原文件了，但是有兩個(gè)比較嚴(yán)重的問題：

1. 文件名不支持中文
2. 我們無法得知它導(dǎo)出的是哪個(gè)文件（現(xiàn)在單個(gè)一眼能看出，但是當(dāng)有幾千份就很難了）

(⊙?⊙)

同時(shí)，我認(rèn)為它還有個(gè)問題，就是我們要更頻繁地讀寫磁盤，OLE文件需要前面的腳本寫入到文件后再由后的oleobj讀取，能不能直接把文件字節(jié)數(shù)組傳入進(jìn)行提取，這樣只需要寫入原始附件即可，不用寫OLE也不用刪OLE，能減少磁盤讀寫，延長磁盤壽命。

8. 從OLE嵌入對象中提取原始附件（改進(jìn)提取方式：支持中文）

我們之前是調(diào)用oleobj的main函數(shù)提取的，這樣有很多弊端，所以我們準(zhǔn)備重寫ole的提取方法，這樣我們就得看oleobj的源碼了，難度略高。經(jīng)過對原代碼的跟蹤調(diào)試，發(fā)現(xiàn)oleobj中的主要的提取流程是oleobj.process_file和oleobj.find_ole這兩個(gè)函數(shù)，而我們剛剛調(diào)用的oleobj.main則主要負(fù)責(zé)解析命令行參數(shù)。因此，仿照oleobj.process_file，對其進(jìn)行簡單的修改（主要是不支持中文的問題，見re_decode函數(shù)），得到如下處理流程：

from oletools import oleobj


def re_decode(s, encoding='gbk'):
    """
    重新解碼，解決oleobj對中文亂碼的問題
    :param s: 原始字符串
    :param encoding: 新的解碼編碼
    :return: 新的字符串
    """
    i81 = s.encode('iso-8859-1')
    return i81.decode(encoding)


for file_path in export_files:  # 遍歷導(dǎo)出的文件

    # 不符合 .bin 作為后綴且文件名中有ole，則不被認(rèn)為是OLE文件，跳過
    if not (file_path.endswith('.bin') and 'ole' in file_path.lower()):
        continue

    # 準(zhǔn)備導(dǎo)出 OLE 文件
    has_error = False
    export_ole_files = []
    for ole in oleobj.find_ole(file_path, None):  # 找OLE文件（oleobj支持對壓縮包里的OLE處理）
        if ole is None:  # 沒有找到 OLE 文件，跳過
            continue

        for path_parts in ole.listdir():  # 遍歷OLE中的文件

            # 判斷是不是[1]Ole10Native，使用列表推導(dǎo)式忽略大小寫，不是的話就不要繼續(xù)了
            if '\x01ole10native'.casefold() not in [path_part.casefold() for path_part in path_parts]:
                continue

            stream = None
            try:
                # 使用 Ole File 打開 OLE 文件
                stream = ole.openstream(path_parts)
                opkg = oleobj.OleNativeStream(stream)
            except IOError:
                print('不是OLE文件：', path_parts)
                if stream is not None:  # 關(guān)閉文件流
                    stream.close()
                continue

            # 打印信息
            if opkg.is_link:
                print('是鏈接而不是文件，跳過')
                continue

            ole_filename = re_decode(opkg.filename)
            ole_src_path = re_decode(opkg.src_path)
            ole_temp_path = re_decode(opkg.temp_path)
            print('文件名：{0}，原路徑：{1}，緩存路徑：{2}'.format(ole_filename, ole_src_path, ole_temp_path))

            # 生成新的文件名（這部分與上一部分導(dǎo)出docx的文件的構(gòu)建路徑類似，可以封裝為函數(shù)）
            index += 1
            save_dir = os.path.dirname(os.path.abspath(__file__))  # 獲取當(dāng)前py腳本路徑
            index_str = str(index).rjust(2, '0')
            filename = save_dir + '\\' + index_str + ' - ' + ole_filename  # 拼接路徑
            print('導(dǎo)出路徑：', filename)

            # 轉(zhuǎn)存
            try:
                print('導(dǎo)出OLE中的文件：', filename)
                with open(filename, 'wb') as writer:
                    n_dumped = 0
                    next_size = min(oleobj.DUMP_CHUNK_SIZE, opkg.actual_size)
                    while next_size:
                        data = stream.read(next_size)
                        writer.write(data)
                        n_dumped += len(data)
                        if len(data) != next_size:
                            print('想要讀取 {0}, 實(shí)際取得 {1}'.format(next_size, len(data)))
                            break
                        next_size = min(oleobj.DUMP_CHUNK_SIZE, opkg.actual_size - n_dumped)
                export_ole_files.append(filename)
            except Exception as exc:
                has_error = True
                print('在轉(zhuǎn)存時(shí)出現(xiàn)錯(cuò)誤：{0} {1}'.format(filename, exc))
            finally:
                stream.close()
    if export_ole_files:  # 如果有解出ole包
        export_files.remove(file_path)
        export_files += export_ole_files
        # 刪除 bin 文件
        if not has_error:
            os.remove(file_path)
            print('已刪除OLE打包文件，僅保留原文件',file_path)
print('最終導(dǎo)出文件：', export_files)

替換掉上一段使用oleobj.main導(dǎo)出的代碼，運(yùn)行，得到如下結(jié)果：

D:\ProgramData\Anaconda3\python.exe E:/Project/pythonProject/pyHomeWorkTool/unpack.py
打開文檔完成
所有文本： 1文字：這是一段文字。翩若驚鴻，婉若游龍。榮曜秋菊，華茂春松。髣髴兮若輕云之蔽月，飄飖兮若流風(fēng)之回雪。遠(yuǎn)而望之，皎若太陽升朝霞；迫而察之，灼若芙蕖出淥波。01234567892圖片：3附件：
所有表格文本： 姓名 班級 科目 分?jǐn)?shù) 小明 2 Java 97 小紅 2 C 78 
導(dǎo)出路徑： E:\Project\pythonProject\pyHomeWorkTool\01 - image2.emf
導(dǎo)出路徑： E:\Project\pythonProject\pyHomeWorkTool\02 - oleObject1.bin
導(dǎo)出路徑： E:\Project\pythonProject\pyHomeWorkTool\03 - image1.png
導(dǎo)出的所有文件： ['E:\\Project\\pythonProject\\pyHomeWorkTool\\01 - image2.emf', 'E:\\Project\\pythonProject\\pyHomeWorkTool\\02 - oleObject1.bin', 'E:\\Project\\pythonProject\\pyHomeWorkTool\\03 - image1.png']
文件名：授課計(jì)劃.rar，原路徑：D:\y17mm\Desktop\zuoye\授課計(jì)劃.rar，緩存路徑：C:\Users\y17mm\AppData\Local\Temp\授課計(jì)劃.rar
導(dǎo)出路徑： E:\Project\pythonProject\pyHomeWorkTool\04 - 授課計(jì)劃.rar
導(dǎo)出OLE中的文件： E:\Project\pythonProject\pyHomeWorkTool\04 - 授課計(jì)劃.rar
已刪除OLE打包文件，僅保留原文件 E:\Project\pythonProject\pyHomeWorkTool\02 - oleObject1.bin
最終導(dǎo)出文件： ['E:\\Project\\pythonProject\\pyHomeWorkTool\\01 - image2.emf', 'E:\\Project\\pythonProject\\pyHomeWorkTool\\03 - image1.png', 'E:\\Project\\pythonProject\\pyHomeWorkTool\\04 - 授課計(jì)劃.rar']

進(jìn)程已結(jié)束，退出代碼為 0

和這些文件：

中文亂碼的問題已被解決！而且我們也在export_files中能看到所有的導(dǎo)出的文件了，至此滿足了大部分的需求。
ヾ(≧▽≦*)o

9. 從OLE嵌入對象中提取原始附件（改進(jìn)提取方式：避免多次寫入磁盤）

其實(shí)這部分在看oleobj.py的源碼的時(shí)候就發(fā)現(xiàn)oleobj.py的作者也提供了類似的方法，oleobj.process_file和oleobj.find_ole這兩個(gè)函數(shù)都支持傳入data（字節(jié)數(shù)組），我們嘗試把導(dǎo)出docx附件和導(dǎo)出ole文件內(nèi)容的代碼融合，看是否能直接把文件字節(jié)數(shù)組傳遞給后者以直接導(dǎo)出ole文件內(nèi)容，我們可以寫出如下代碼來替換上面導(dǎo)出docx和導(dǎo)出ole的部分：

import os
from oletools import oleobj


def get_new_path(i: int, file: str, out_dir: str = __file__):
    """
    根據(jù)序號(hào)和文件名拿到新的路徑名，
    默認(rèn)輸出目錄為當(dāng)前文件所在文件夾
    :param i: 序號(hào)
    :param file: 原始文件名（路徑）
    :param out_dir: 輸出目錄，默認(rèn)為當(dāng)前文件所在文件夾
    :return: 新文件名（格式為“序號(hào) - 原文件名”）
    """
    self_dir = os.path.dirname(os.path.abspath(out_dir))  # 獲取導(dǎo)出路徑
    i = str(i).rjust(2, '0')  # 不夠前面添0
    return self_dir + '\\' + i + ' - ' + os.path.basename(file)  # 拼接路徑


def re_decode(s: str, encoding: str = 'gbk'):
    """
    重新解碼，解決oleobj對中文亂碼的問題
    :param s: 原始字符串
    :param encoding: 新的解碼編碼，默認(rèn)為 GBK
    :return: 新的字符串
    """
    i81 = s.encode('iso-8859-1')
    return i81.decode(encoding)


# 文件導(dǎo)出列表
export_files = []
# 遍歷所有附件
docx_related_parts = docx_document.part.related_parts
for part in docx_related_parts:
    part = docx_related_parts[part]
    part_name = str(part.partname)  # 附件路徑（partname）
    if part_name.startswith('/word/media/') or part_name.startswith('/word/embeddings/'):  # 只導(dǎo)出這兩個(gè)目錄下的
        # 構(gòu)建導(dǎo)出路徑
        save_path = get_new_path(len(export_files) + 1, part.partname)

        # ole 文件判斷
        # 不符合 .bin 作為后綴且文件名中有ole，則不被認(rèn)為是OLE文件
        if not (save_path.endswith('.bin') and 'ole' in save_path.lower()):
            # 直接寫入文件
            print('DOCX 導(dǎo)出路徑：', save_path)
            with open(save_path, 'wb') as f:
                f.write(part.blob)
            export_files.append(save_path)  # 記錄文件
        else:
            # 將字節(jié)數(shù)組傳遞給oleobj處理
            for ole in oleobj.find_ole(save_path, part.blob):
                if ole is None:  # 沒有找到 OLE 文件，跳過
                    continue

                for path_parts in ole.listdir():  # 遍歷OLE中的文件

                    # 判斷是不是[1]Ole10Native，使用列表推導(dǎo)式忽略大小寫，不是的話就不要繼續(xù)了
                    if '\x01ole10native'.casefold() not in [path_part.casefold() for path_part in path_parts]:
                        continue

                    stream = None
                    try:
                        # 使用 Ole File 打開 OLE 文件
                        stream = ole.openstream(path_parts)
                        opkg = oleobj.OleNativeStream(stream)
                    except IOError:
                        print('非OLE文件：', path_parts)
                        if stream is not None:  # 關(guān)閉文件流
                            stream.close()
                        continue

                    # 打印信息
                    if opkg.is_link:
                        print('是鏈接而不是文件，跳過')
                        continue

                    ole_filename = re_decode(opkg.filename)
                    ole_src_path = re_decode(opkg.src_path)
                    ole_temp_path = re_decode(opkg.temp_path)
                    print('文件名：{0}，原路徑：{1}，緩存路徑：{2}'.format(ole_filename, ole_src_path, ole_temp_path))

                    # 生成新的文件名
                    filename = get_new_path(len(export_files) + 1, ole_filename)
                    print('OLE 導(dǎo)出路徑：', filename)

                    # 轉(zhuǎn)存
                    try:
                        print('導(dǎo)出OLE中的文件：', filename)
                        with open(filename, 'wb') as writer:
                            n_dumped = 0
                            next_size = min(oleobj.DUMP_CHUNK_SIZE, opkg.actual_size)
                            while next_size:
                                data = stream.read(next_size)
                                writer.write(data)
                                n_dumped += len(data)
                                if len(data) != next_size:
                                    print('預(yù)計(jì)讀取 {0}, 實(shí)際取得 {1}'.format(next_size, len(data)))
                                    break
                                next_size = min(oleobj.DUMP_CHUNK_SIZE, opkg.actual_size - n_dumped)
                        export_files.append(filename)  # 記錄導(dǎo)出的文件
                    except Exception as exc:
                        print('在轉(zhuǎn)存時(shí)出現(xiàn)錯(cuò)誤：{0} {1}'.format(filename, exc))
                    finally:
                        stream.close()
print('導(dǎo)出的所有文件：', export_files)

運(yùn)行，得到如下結(jié)果：

D:\ProgramData\Anaconda3\python.exe E:/Project/pythonProject/pyHomeWorkTool/unpack.py
打開文檔完成
所有文本： 1文字：這是一段文字。翩若驚鴻，婉若游龍。榮曜秋菊，華茂春松。髣髴兮若輕云之蔽月，飄飖兮若流風(fēng)之回雪。遠(yuǎn)而望之，皎若太陽升朝霞；迫而察之，灼若芙蕖出淥波。01234567892圖片：3附件：
所有表格文本： 姓名 班級 科目 分?jǐn)?shù) 小明 2 Java 97 小紅 2 C 78 
DOCX 導(dǎo)出路徑： E:\Project\pythonProject\pyHomeWorkTool\01 - image2.emf
文件名：授課計(jì)劃.rar，原路徑：D:\y17mm\Desktop\zuoye\授課計(jì)劃.rar，緩存路徑：C:\Users\y17mm\AppData\Local\Temp\授課計(jì)劃.rar
OLE 導(dǎo)出路徑： E:\Project\pythonProject\pyHomeWorkTool\02 - 授課計(jì)劃.rar
導(dǎo)出OLE中的文件： E:\Project\pythonProject\pyHomeWorkTool\02 - 授課計(jì)劃.rar
DOCX 導(dǎo)出路徑： E:\Project\pythonProject\pyHomeWorkTool\03 - image1.png
導(dǎo)出的所有文件： ['E:\\Project\\pythonProject\\pyHomeWorkTool\\01 - image2.emf', 'E:\\Project\\pythonProject\\pyHomeWorkTool\\02 - 授課計(jì)劃.rar', 'E:\\Project\\pythonProject\\pyHomeWorkTool\\03 - image1.png']

進(jìn)程已結(jié)束，退出代碼為 0

和這三個(gè)文件：

成功！至此，達(dá)成了原來講的目標(biāo)，支持中文、只需要寫入一次磁盤。
上面已經(jīng)給出所有實(shí)現(xiàn)的代碼，總的在下面會(huì)給出。
(￣▽￣)～■干杯□～(￣▽￣)

10. 文本好像沒存盤：保存文檔中的文本

文本存盤很簡單，在拿到所有文本后，導(dǎo)出附件之前：

text_file_path = get_new_path(0, 'docx文本.txt')
with open(text_file_path, 'w', encoding='utf-8') as f:
    f.write(all_text)
    f.write(all_table_text)

結(jié)果：

也可以把這個(gè)文件加入到export_files中，畢竟這個(gè)也是導(dǎo)出的文件。
φ(゜▽゜*)?

叁、總結(jié)

其實(shí)有這樣功能的代碼大多在網(wǎng)上都找不到（至少我沒找到），得自己從頭寫，網(wǎng)上能找到的大多就是可以跟你說用什么，和一些零碎的代碼，要是自己的需求比較特殊，還是得自己寫代碼。那么寫代碼的時(shí)候就不可避免的用到一些別人寫好的代碼，你要用的話就必須要懂里面的一些邏輯，就得看它的源碼、看它的文檔，同時(shí)還可以多寫一些例程去驗(yàn)證自己的想法，通過DEBUG調(diào)試的單步運(yùn)行去看程序運(yùn)行的邏輯，去翻譯源碼的注釋（英文好的直接看）……很多種方法。我在本次的實(shí)踐中最大的收獲就是學(xué)會(huì)了通過調(diào)試工具去寫代碼。一開始我用的是B站一位UP主的代碼，他是使用XPath表達(dá)式實(shí)現(xiàn)的導(dǎo)出圖片，但是我還想導(dǎo)出OLE文件內(nèi)容，仿造他的代碼寫導(dǎo)出OLE的代碼時(shí)出現(xiàn)了問題，經(jīng)過了一下午和一晚上還沒搞定，于是決定另尋出路了，通過調(diào)試發(fā)現(xiàn)了另外的導(dǎo)出方式，為此還發(fā)了個(gè)朋友圈，哈哈。這是經(jīng)驗(yàn)的總結(jié)。
再講講對于實(shí)現(xiàn)這個(gè)功能的過程中我閱讀了oleobj源碼的總結(jié)。我寫這篇文章的目的也在于此，我好不容易看懂了oleobj中的代碼，感覺不記錄一下過段時(shí)間就忘記了。我兩年前用Python寫過導(dǎo)出docx的，能用，但是現(xiàn)在那個(gè)項(xiàng)目搞不懂了，自己都看不太懂了，沒怎么寫注釋，也比較混亂，故重新寫一遍。這樣會(huì)花大量時(shí)間，還不如寫一篇總結(jié)，方便自己的同時(shí)也可以給其他人以參考。
╰(°▽°)╯

1. 整體項(xiàng)目

前面的python-docx沒怎么去看源碼，大多數(shù)通過調(diào)試去檢查里面的對象的，調(diào)試器查看比較簡單就不說了，有一個(gè)對象比較迷：element，為什么要看這個(gè)對象，因?yàn)槲抑坝玫腂站那個(gè)UP主的代碼就是用這個(gè)加Xpath實(shí)現(xiàn)的提取圖片。我們解壓了docx，知道docx中的大致組成成分，docx就是由一些xml文檔和另外的附件組成的，最重要的是document.xml，其他的xml從文件名上也能看出大概是做啥的?？戳讼略创a，這個(gè)element是由xml文檔解析出來的，但是沒看到它怎么創(chuàng)建段落對象等，跟了半個(gè)小時(shí)也沒看到QWQ。
oletoos文檔中你去查看oleobj時(shí)它會(huì)讓你去看rtfobj的文檔，說是rtfobj是兼容oleobj的，但是我使用命令行用rtfobj去導(dǎo)出時(shí)它告訴我這個(gè)文件里啥也沒有，只打印了個(gè)表頭，故沒有興趣再去看rtfobj源碼了。然后我用同樣的方式使用oleobj，直接把文件給導(dǎo)出了，明顯符合要求，所以后面都看oleobj去了。oletoos這邊最重要的就是oleobj，同時(shí)它依賴于olefile這個(gè)項(xiàng)目，olefile項(xiàng)目中就一個(gè)腳本文件，olefile，所以是看oleobj和olefile。

2. oleobj.py

用于解析各種MS Office文件格式（doc、xls、ppt、docx、xlsx、pptx等）中的OLE對象和文件。

main函數(shù)

oleobj.main函數(shù)主要是負(fù)責(zé)解析命令行參數(shù)、初始化日志和調(diào)用oleobj.process_file函數(shù)處理數(shù)據(jù)。
解析命令行參數(shù)時(shí)會(huì)調(diào)用oleobj.existing_file函數(shù)判斷要處理的文件是否存在。在進(jìn)行處理之前會(huì)判斷要處理的文件是否是壓縮包，如果是，還會(huì)自行解壓逐個(gè)處理，這個(gè)是由xglob.iter_files函數(shù)完成的。在xglob.iter_files函數(shù)的循環(huán)里，如果是壓縮包，xglob.iter_files函數(shù)會(huì)把壓縮包里的文件流傳入oleobj.process_file函數(shù)中，如果是文件，則直接傳文件。
這樣就到了oleobj.process_file函數(shù)的流程中了。oleobj.process_file函數(shù)的流程結(jié)束后會(huì)返回一些狀態(tài)指示，由oleobj.main函數(shù)匯總。

process_file函數(shù)

顧名思義，oleobj.process_file函數(shù)就是用來處理文件的，我們寫的導(dǎo)出ole文件內(nèi)容的代碼也是參考的這個(gè)函數(shù)來進(jìn)行編寫的。
oleobj.process_file函數(shù)首先會(huì)檢測輸出目錄是否存在，不存在會(huì)自動(dòng)創(chuàng)建一個(gè)。
之后對要處理的文件進(jìn)行判斷，判斷是否為壓縮文件，壓縮文件會(huì)取得其xml_parser，判斷是否有惡意代碼，這個(gè)應(yīng)該是觸發(fā)于我們輸入的文件為docx文檔的時(shí)候。經(jīng)過嘗試，oleobj支持直接提取docx（壓縮文檔）中的ole文件。壓縮文件取得的xml_parser、文件字節(jié)數(shù)組和文件名會(huì)被傳入下一個(gè)環(huán)節(jié)：oleobj.find_ole函數(shù)。
oleobj.find_ole函數(shù)可以查找壓縮文檔中的ole文件，也可以直接判斷是否是ole文件，還可以處理字節(jié)數(shù)組形式的壓縮文件或者ole文件，最后返回一個(gè)olefile.OleFileIO對象給oleobj.process_file函數(shù)進(jìn)行下一步的處理。
oleobj.process_file函數(shù)得到olefile.OleFileIO對象后會(huì)使用olefile.OleFileIO.listdir獲取ole文件中的列表（我們之前可以用7z打開ole文件，所以里面是
有文件列表的），找到ole文件中的[1]Ole10Native（不區(qū)分大小寫）文件。
找到ole文件中的[1]Ole10Native文件后使用olefile.OleFileIO.openstream函數(shù)打開一個(gè)這個(gè)文件流，這是原始的文件流，由olefile提供，是一個(gè)olefile.OleStream對象，繼承自io.BytesIO。oleobj.process_file函數(shù)會(huì)使用自己的oleobj.OleNativeStream類對olefile.OleFileIO.openstream函數(shù)返回的olefile.OleStream對象進(jìn)行包裝，獲取一些信息。
拿到oleobj.OleNativeStream對象后，會(huì)打印這個(gè)oleobj.OleNativeStream對象的信息，包括文件名、原路徑和緩存路徑等，同時(shí)計(jì)算要導(dǎo)出的ole文件內(nèi)容的新的文件名（由oleobj.get_sane_embedded_filenames函數(shù)計(jì)算）直到找到一個(gè)沒有被占用的文件名。
然后是轉(zhuǎn)存，把剛剛拿到的oleobj.OleNativeStream對象存到由oleobj.get_sane_embedded_filenames函數(shù)計(jì)算出的新的路徑中去，存的過程是會(huì)從olefile.OleStream對象一塊一塊地讀取數(shù)據(jù)并寫入文件，一個(gè)文件塊最大4kb，這樣直到所有數(shù)據(jù)寫入文件完成，轉(zhuǎn)成成功！
最后返回處理結(jié)果，三個(gè)布爾值，分別是流出錯(cuò)否、轉(zhuǎn)存出錯(cuò)否和轉(zhuǎn)存完成否。

find_ole函數(shù)

在上面講到的oleobj.process_file函數(shù)中是利用這個(gè)函數(shù)從給定的數(shù)據(jù)中拿到的olefile.OleFileIO對象。oleobj.find_ole函數(shù)可以從給定的文件、文件字節(jié)數(shù)組或者xml_parser中找ole文件，即使給定的是壓縮文件。
oleobj.find_ole函數(shù)首先處理的是文件字節(jié)數(shù)組，會(huì)將文件字節(jié)數(shù)組封裝成oleobj.FakeFile對象以可以模仿文件的讀寫操作。
隨后使用olefile.isOleFile判斷傳入的文件（文件字節(jié)數(shù)組）是否是ole文件。
如果是ole文件，會(huì)由ppt_record_parser.is_ppt判斷一下是否是PPT文件（就是Office的PPT），PPT文件里可能會(huì)有多個(gè)ole文件的，如果是PPT文件，則由oleobj.find_ole_in_ppt返回多個(gè)olefile.OleFileIO對象，否則直接返回一個(gè)olefile.OleFileIO對象。
如果不是ole文件，會(huì)看xml_parser對象是否不為空或者判斷是否是壓縮文件，滿足條件的話就進(jìn)入循環(huán)判斷。xml_parser對象會(huì)鏈接多個(gè)文件，而壓縮文件會(huì)包含多個(gè)文件，oleobj.find_ole函數(shù)通過ooxml.XmlParser.iter_non_xml來拿到每一個(gè)文件流，拿到文件流后讀取文件頭，判斷文件頭是否是ole的文件頭（olefile.MAGIC），如果是的話，使用olefile.OleFileIO包裝這個(gè)文件流并返回。
最后oleobj.find_ole函數(shù)使用的是yield返回的文件流，在調(diào)用它的函數(shù)處理完之后會(huì)回到這里，oleobj.find_ole函數(shù)負(fù)責(zé)把流對象關(guān)一下。
?

OleNativeStream類

包含在OLENativeStream結(jié)構(gòu)中的OLE對象，參見MS-OLEDS 2.3.6 OLENativeStream。
這個(gè)類負(fù)責(zé)解析OLE文件的文件名、原始路徑和緩存路徑等。文件名和路徑使用unicode解碼（然而中文使用的GBK編碼）。
具體的解析過程參看源碼oleobj.OleNativeStream、oleobj.OleNativeStream.parse、oleobj.read_zero_terminated_string和oleobj.read_uint32，是些比較簡單的讀取。

get_sane_embedded_filenames函數(shù)

從路徑信息中獲取一些合理的文件名，保留文件后綴。
返回幾個(gè)給調(diào)用函數(shù)驗(yàn)證，先是帶后綴，然后不帶后綴，再隨機(jī)
帶后綴，最后一次嘗試忽略最大長度限制使用noname_index參數(shù)。
在一些惡意軟件示例中，文件名（我們專門依賴它）是空的或是空串，但原路徑和緩存路徑包含具有正確文件名的路徑。嘗試從其中任何一個(gè)文件中提取文件名（這點(diǎn)我們的代碼中沒有考慮到）。
后綴的保留尤其重要，因?yàn)樗刂浦暣安僮飨到y(tǒng)（windoze）處理文件的方式。
o(〃‘▽’〃)o

FakeFile類

這個(gè)類繼承自io.RawIOBase類，是用來把文件字節(jié)數(shù)組封裝成文件流的（只讀）。主要有readable（返回True，可讀）、writable（返回False，不可寫）、seekable（返回True，可尋址）、readinto（讀目標(biāo)位置）、read（讀數(shù)據(jù)）、seek（跳轉(zhuǎn)尋址）和tell（返回讀的位置）等函數(shù)。

3. olefile.py

讀取/寫入Microsoft OLE2文件（也稱為結(jié)構(gòu)化存儲(chǔ)或Microsoft復(fù)合文檔文件格式）的模塊，如Microsoft Office 97-2003文檔、Image Composer和FlashPix文件、Outlook消息文檔等。
與Python 2.7和3.4兼容+

OleFileIO類

OLE容器對象
此類將接口封裝到OLE 2結(jié)構(gòu)化存儲(chǔ)文件。使用olefile.OleFileIO.listdir和olefile.OleFileIO.openstream函數(shù)訪問該文件的內(nèi)容。

• listdir函數(shù)
  返回存儲(chǔ)在ole文件中的流和存儲(chǔ)的列表。最后是利用olefile.OleFileIO._list函數(shù)遍歷的文件樹返回的列表。

• openstream函數(shù)
  以只讀文件對象（io.BytesIO）的形式打開流。文件名不區(qū)分大小寫。最后是利用olefile.OleFileIO._open函數(shù)打開的FAT或MiniFAT中的流。（有資料顯示ole文件是用FAT的形式存儲(chǔ)的文件）

OleStream類

OLE2流，繼承自io.BytesIO。
返回一個(gè)只讀文件對象，該對象可用于讀取OLE流（io.BytesIO類的實(shí)例）的內(nèi)容。要打開流，請使用olefile.OleFileIO.openstream函數(shù)。
此類可以與任何普通流或迷你流一起使用，具體取決于偏移量、扇區(qū)大小和文件分配表參數(shù)。文章來源地址http://www.zghlxwxcb.cn/news/detail-732021.html

伍、項(xiàng)目

1. 軟件（exe打包：pyinstaller run.spec）：GitHub v0.1.0.3 或者 Gitee，失效看發(fā)行版：GitHub 或者 Gitee
2. GitHub：https://github.com/Minuhy/python_docx_export
3. 碼云：https://gitee.com/Minuhy/python_docx_export
4. 博客園：https://www.cnblogs.com/minuhy/p/17447849.html
5. CSDN：https://blog.csdn.net/XiaoYuHaoAiMin/article/details/130979264

陸、參考文檔

1. python-oletools項(xiàng)目：https://github.com/decalage2/oletools
2. 如何使用Python嵌入附件到Word文檔中：https://github.com/zhutong/Embbed-files-into-docx-with-Python
3. Python提取Word文檔中的圖片視頻教程：https://www.bilibili.com/video/BV14s4y1A7gY?p=14
4. 編碼轉(zhuǎn)文字工具：https://the-x.cn/encodings/Hex.aspx
5. 文本框的讀取和修改：https://blog.csdn.net/weixin_42636075/article/details/129010740
6. OLE文件介紹：https://baike.baidu.com/item/OLE/2139114
7. OLE文件結(jié)構(gòu)：https://www.cnblogs.com/AspDotNetMVC/p/3810839.html
8. Python tkinter：http://c.biancheng.net/tkinter/

到了這里，關(guān)于【Python】導(dǎo)出docx格式Word文檔中的文本、圖片和附件等的文章就介紹完了。如果您還想了解更多內(nèi)容，請?jiān)谟疑辖撬阉鱐OY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)！