当Word文档里的图片成了“拦路虎”：用Python批量处理图片的实战指南

你有没有遇到过这样的场景：部门例会前，领导丢给你一个文件夹，里面是几十个Word文档，每个文档里都散落着好几张活动照片。你的任务很简单——把所有图片提取出来，统一调整尺寸，再按照特定的顺序塞进一个新的报告文档里。

听起来不难，对吧？但当你打开第一个文档，一张张右键另存为，再调整尺寸，再复制粘贴到新文档……重复几十次之后，你会开始怀疑人生。手头的工作变成了纯粹的体力劳动，而且只要有一个环节出错，就得从头再来。

这种时候，Python就派上用场了。它不会抱怨重复劳动，也不会因为眼花点错图片。我花了两个小时写了一小段脚本，把原本一整天的手工活压缩成了三分钟。今天就把这段经历和代码拆开来讲，希望能帮你摆脱同样的困境。

准备工作：装好工具箱

在动手之前，得先把需要用到的工具装上。Python的好处就是有大量的第三方库，专门解决这类问题。这次我们需要三个帮手：

pip install python-docx pillow

python-docx是我们操作Word文档的主力。它可以读取文档里的文字、表格、图片，也能从头创建新的文档或者修改现有的文档。Pillow是Python图像处理库，负责调整图片尺寸、转换格式这些活儿。

安装完成之后，在代码开头把这些库引进来：

from docx import Document
from docx.shared import Inches, Cm
from PIL import Image
import io
import os

Inches和Cm是用来设置图片大小的单位，io帮我们处理内存里的图片数据，os负责管理文件和文件夹路径。

从Word文档里“捞”出图片

Word文档和图片的关系，比看起来要复杂一点。你可能会想，图片不就是放在文档里的吗？但当我们用代码去读取时，需要找到正确的“门路”。

每个.docx文件其实是个压缩包，图片被藏在内部的media文件夹里，通过XML关系与文档内容关联。python-docx提供了一个方法，可以顺着这个关系把图片提取出来。

下面这段代码能遍历一个文件夹里所有的Word文档，把每张图片提取出来，按照“文档名_图片序号.jpg”的格式保存：

def extract_images_from_docx(folder_path):
    # 遍历文件夹里所有docx文件
    for filename in os.listdir(folder_path):
        if not filename.endswith('.docx'):
            continue
            
        doc_path = os.path.join(folder_path, filename)
        doc = Document(doc_path)
        
        # 准备一个文件夹存放提取出的图片
        img_folder = os.path.join(folder_path, filename.replace('.docx', '_images'))
        if not os.path.exists(img_folder):
            os.makedirs(img_folder)
        
        img_count = 0
        # 遍历文档中的所有段落
        for paragraph in doc.paragraphs:
            for run in paragraph.runs:
                # 在run的XML中查找图片标记
                blip = run._r.find('.//a:blip', 
                    namespaces={
  'a': 'http://schemas.openxmlformats.org/drawingml/2006/main'})
                if blip is not None:
                    embed_id = blip.get('{
   http://schemas.openxmlformats.org/officeDocument/2006/relationships}embed')
                    if embed_id and embed_id in run.part.related_parts:
                        image_part = run.part.related_parts[embed_id]
                        img_stream = io.BytesIO(image_part.blob)
                        img = Image.open(img_stream)
                        
                        img_count += 1
                        img_path = os.path.join(imgfolder, f'image{img_count}.jpg')
                        img.save(img_path, 'JPEG')
                        print(f'已提取: {img_path}')
        
        print(f'{filename} 处理完成，共提取 {img_count} 张图片')

这段代码的核心是那个看起来很复杂的XML查找。简单解释一下：Word文档的内部结构是用XML描述的，图片会被标记为<a:blip>元素，通过embed属性关联到实际的图片数据。我们把图片数据从内存里读出来，用Pillow打开，再保存到本地，就完成了提取。

批量处理图片：统一尺寸和格式

提取出来的图片可能大小不一，有的横版有的竖版，如果直接塞进文档里会很难看。我们可以统一调整尺寸，让它们都变成一样的宽度，高度按比例自动缩放。

def resize_images(image_folder, output_width=500):
    # 获取文件夹里所有图片
    image_files = [f for f in os.listdir(image_folder) 
                   if f.endswith(('.jpg', '.jpeg', '.png'))]
    
    for img_file in image_files:
        img_path = os.path.join(image_folder, img_file)
        img = Image.open(img_path)
        
        # 计算等比例缩放后的高度
        original_width, original_height = img.size
        new_height = int(output_width * original_height / original_width)
        
        # 使用高质量缩放算法
        resized_img = img.resize((output_width, new_height), Image.Resampling.LANCZOS)
        
        # 覆盖原图或者保存为新文件
        resized_img.save(img_path, quality=95)
        print(f'已调整尺寸: {img_file} -> {output_width}x{new_height}')

这里用了Image.Resampling.LANCZOS，这是Pillow里质量最高的缩放算法，虽然慢一点，但效果最好。如果你的图片数量特别多，可以考虑用Image.Resampling.BILINEAR换速度。

把图片塞回新文档

图片都准备好了，现在要把它们按照顺序插进一个新的Word文档里。python-docx插入图片的方法很直观，用add_picture就行：

def create_photo_report(image_folder, output_path='report.docx'):
    # 创建新文档
    doc = Document()
    
    # 添加标题
    doc.add_heading('活动照片集锦', 0)
    
    # 获取所有图片文件并排序
    image_files = sorted([f for f in os.listdir(image_folder) 
                          if f.endswith(('.jpg', '.jpeg', '.png'))])
    
    for img_file in image_files:
        img_path = os.path.join(image_folder, img_file)
        
        # 添加一个段落，放图片说明
        doc.add_heading(imgfile.replace('', ' ').replace('.jpg', ''), level=2)
        
        # 插入图片，宽度设为6英寸，高度自动缩放
        doc.add_picture(img_path, width=Inches(6))
        
        # 添加一点留白
        doc.add_paragraph()
    
    doc.save(output_path)
    print(f'报告已生成: {output_path}')

add_picture的width参数可以接受Inches、Cm或Pt单位。如果你想让图片按固定高度插入，也可以用height参数。只指定一个维度时，另一个维度会自动等比缩放，不用自己算。

进阶技巧：在指定位置插入图片

有些时候，光是把图片堆在文档末尾不够用。你可能需要把图片插到某个段落后边，或者放到表格的某个单元格里。

在段落里插图片，关键是先拿到那个段落，然后在它的run里添加：

# 假设我们要在文档的第一个段落之后插入图片
doc = Document('existing.docx')
target_paragraph = doc.paragraphs[0]  # 获取第一个段落
run = target_paragraph.add_run()       # 在段落中创建一个新run
run.add_picture('image.jpg', width=Inches(3))  # 插入图片

在表格里插图片也类似，先定位到单元格，再操作：

table = doc.add_table(rows=2, cols=2)
cell = table.cell(0, 0)  # 第一行第一列
paragraph = cell.paragraphs[0]
run = paragraph.add_run()
run.add_picture('image.jpg', width=Cm(5))

需要注意的是，python-docx对图片位置的精确控制能力有限，没办法像手动操作那样任意拖拽到指定坐标。如果对排版有很高要求，可以先通过代码把图片插入到位，再用Word手动微调。

处理那些烦人的“坑”

实际应用中总会遇到一些意外情况，比如文档里有浮动图片、文档是旧的.doc格式等等。这里说几个常见坑的应对方法。

浮动图片提取不到：上面那种通过段落查找的方法只能提取“嵌入型”图片。如果文档里有浮在文字上方的图片，需要更底层的操作。可以用python-docx的part.related_parts遍历所有资源，找到图片类型就保存。一个更简单但笨一点的办法是：先把文档另存为.docx，用压缩软件打开，直接去word/media文件夹里复制图片。

遇到.doc格式：python-docx只支持.docx，处理不了旧版.doc文件。可以先用win32com库在Windows上转换，或者用LibreOffice的命令行工具批量转换。如果只是偶尔遇到，手动转一下可能更快。

图片插入后变形：这通常是因为给图片设置了固定的宽高，但比例和原图不一致。解决办法是只设置一个维度，让另一个维度自动缩放。如果必须指定两个维度，可以先用Pillow读取原图尺寸，再手动计算缩放后的宽高。

写在最后

回到开头的场景，当你再次面对几十个需要处理图片的Word文档时，你可以选择继续手工操作，也可以写一段脚本，然后去泡杯咖啡，等着它帮你把一切做完。

Python自动化最大的魅力就在这里——它不是为了炫技，而是为了把我们从重复劳动里解放出来，去做那些真正需要思考和创造的事情。这次我们只用了python-docx和Pillow两个库，但你能做的事情远不止提取和插入图片。

想想你日常工作里那些“反复做、费时间、有规律”的事情，很可能都可以用类似的方式自动化。批量生成合同、整理数据报表、统一修改文档格式……这些场景里，Python都能成为你的得力助手。