​
那天下午，我对着500张产品图发愁
事情是这样的。上个月公司要做一份产品目录，需要把500多款产品的图片插进Excel表格里，每个产品对应一行，图片放在第二列，大小还要统一。

我打开Excel，手动插了一张图——调整大小、拖到单元格里、对齐。看了一眼右下角的时间，我算了一笔账：一张图算30秒，500张就是250分钟，整整4个多小时。关键是这活儿毫无技术含量，纯属机械重复。

那一刻我意识到，这事儿必须用Python解决。

后来我用几行代码搞定了这个任务，顺便还研究了怎么从Excel里提取图片、怎么压缩图片大小。今天就把这些经验整理出来，希望对你有用。

准备工作：先装好这些库
在动手之前，需要安装几个Python库。不同任务需要的库不太一样，但有几个是通用的：

基础图像处理

pip install pillow

操作Excel文件（选一个就行）

pip install openpyxl # 处理.xlsx文件，不支持图片插入
pip install xlwings # 需要本地有Excel软件
pip install spire.xls.free # 支持图片操作，无需Excel环境

需要说明的是，openpyxl这个库虽然很常用，但它对图片的操作能力非常有限——只能读取已有图片，无法插入或删除。如果你想要完整控制图片的增删改，推荐用spire.xls.free或者xlwings。

还有个更轻量的选择叫pywin32，它可以直接调用Windows上的Excel程序来干活，适合在Windows电脑上跑。

插入图片：把图片精准放到单元格里
回到开头那个问题：如何批量把图片插入Excel，并且精准对齐到每个单元格？

这里用一个叫xlwings的库来实现。它的原理是启动你电脑上的Excel程序，然后像人工操作一样往里填东西。

import xlwings as xw
import os

打开Excel文件

wb = xw.Book('产品目录.xlsx')
sheet = wb.sheets['产品列表']

图片存放的文件夹

image_folder = 'product_images/'

从第2行开始（假设第1行是表头）

for i, filename in enumerate(os.listdir(image_folder), start=2):
if filename.endswith(('.png', '.jpg')):

    # 构建图片完整路径
    img_path = os.path.join(image_folder, filename)

    # 把图片插入到B列当前行
    sheet.pictures.add(img_path, 
                      left=sheet.range(f'B{i}').left,
                      top=sheet.range(f'B{i}').top,
                      width=100,   # 设置宽度
                      height=80)   # 设置高度

    # 可选：调整行高让图片不重叠
    sheet.range(f'{i}:{i}').row_height = 80

wb.save()
wb.close()
print("搞定！图片已全部插入")

这段代码的核心逻辑很简单：遍历文件夹里的所有图片，把它们依次放到Excel的B列，从第2行开始往下排。left和top参数让图片的左上角对齐到单元格的左上角，这样位置就精准了。

如果你的需求更复杂，比如需要把图片放到特定的单元格（而不是按顺序），可以改成这样：

假设有一个字典，键是产品编号，值是对应图片路径

product_map = {
'A001': 'images/A001.jpg',
'A002': 'images/A002.jpg',

# ...

}

for product_id, img_path in product_map.items():

# 找到产品编号在哪一行
cell = sheet.range('A:A').find(product_id)
if cell:
    row = cell.row
    sheet.pictures.add(img_path,
                      left=sheet.range(f'C{row}').left,
                      top=sheet.range(f'C{row}').top,
                      width=100,
                      height=80)

这个逻辑是先找到产品编号所在的单元格位置，再把图片插到对应的C列。无论表格顺序怎么变，图片都不会放错。

提取图片：把Excel里的图片薅出来
有时候反过来，Excel文件里已经有一堆图片，需要把它们导出到文件夹里。这个场景常见于从别人发来的报表中提取素材。

openpyxl这个库虽然不能插入图片，但读取图片还是可以的。不过它只能处理.xlsx格式的文件，老版的.xls就不行了。

from openpyxl import load_workbook
from openpyxl_image_loader import SheetImageLoader
import os

加载Excel文件

wb = load_workbook('带图片的报告.xlsx')
sheet = wb.active

创建保存图片的文件夹

output_dir = 'extracted_images'
os.makedirs(output_dir, exist_ok=True)

用ImageLoader提取所有图片

image_loader = SheetImageLoader(sheet)

遍历所有单元格

for row in range(1, sheet.max_row + 1):
for col in range(1, sheet.max_column + 1):
cell = sheet.cell(row, col)
if image_loader.image_in(cell.coordinate):
img = image_loader.get(cell.coordinate)

        # 保存图片，用行列命名
        img.save(f'{output_dir}/img_{row}_{col}.png')
        print(f'已保存：第{row}行第{col}列的图片')

print(f'提取完成，图片保存在{output_dir}文件夹')

如果你用的是Spire.XLS库，提取图片的代码会更简洁：

from spire.xls import *

workbook = Workbook()
workbook.LoadFromFile('带图片的报告.xlsx')
sheet = workbook.Worksheets[0]

for i, picture in enumerate(sheet.Pictures):
picture.Picture.Save(f'extractedimages/pic{i}.png')

workbook.Dispose()

这里有个坑需要注意：如果Excel里的图片是“浮”在单元格上方的，而不是“嵌入”在单元格里的，上面的方法可能抓不到。这种情况下可以考虑用pywin32直接操作Excel程序来提取。

压缩图片：让臃肿的Excel文件瘦身
图片插多了，Excel文件会变得巨大。一个几兆的Excel，插了几十张高清图后可能变成几百兆，打开都费劲。

压缩图片的核心思路就是降低图片质量。用PIL（Pillow）库可以轻松做到：

from PIL import Image
import os

def compress_image(input_path, output_path, quality=50):
"""
压缩图片
quality: 1-100，数值越小压缩越狠，文件越小
"""
img = Image.open(input_path)

# 保存时指定quality，JPEG格式支持压缩
img.save(output_path, 'JPEG', quality=quality)

# 看看压缩效果
original_size = os.path.getsize(input_path) / 1024
compressed_size = os.path.getsize(output_path) / 1024
print(f'{os.path.basename(input_path)}: '
      f'{original_size:.1f}KB → {compressed_size:.1f}KB')

这个函数可以把一张几兆的图片压缩到几十KB，肉眼几乎看不出差别。quality参数是关键，设为50左右能兼顾文件大小和清晰度。

如果有多张图片需要批量压缩，可以这样：

def batch_compress(folder_path, quality=50):
for filename in os.listdir(folder_path):
if filename.endswith(('.png', '.jpg', '.jpeg')):
input_path = os.path.join(folder_path, filename)
output_path = os.path.join(folderpath, f'compressed{filename}')
compress_image(input_path, output_path, quality)

还有个更高级的玩法：多阶段压缩。如果一次压缩达不到目标大小，就逐步降低质量，甚至缩小尺寸，直到文件够小为止。

def compress_to_target(img_path, target_kb=100, max_attempts=5):
"""反复压缩直到文件小于target_kb"""
quality = 80
for attempt in range(max_attempts):
temppath = f'temp{attempt}.jpg'
compress_image(img_path, temp_path, quality)

    if os.path.getsize(temp_path) / 1024 <= target_kb:
        # 压缩成功
        os.replace(temp_path, img_path)
        return True

    # 还不够小，继续降低质量
    quality -= 15
    os.remove(temp_path)

return False

如果你用的是Spire.XLS库，它自带了图片压缩方法，可以直接在Excel内部压缩，不需要先导出再插回：

from spire.xls import *

workbook = Workbook()
workbook.LoadFromFile('需要压缩图片的表格.xlsx')

for sheet in workbook.Worksheets:
for picture in sheet.Pictures:

    # 直接压缩图片，参数是压缩比例
    picture.Compress(50)

workbook.SaveToFile('压缩后的表格.xlsx', ExcelVersion.Version2016)
workbook.Dispose()

这种方式的好处是操作简单，而且压缩后的图片还待在原来的位置，不用重新排版。

进阶：从图片表格里提取文字到Excel
还有一种情况很常见：你手里有一张图片格式的表格（比如扫描件、截图），想把它转成可编辑的Excel。

这就用到OCR技术了。Tesseract是一个开源的OCR引擎，配合Python的pytesseract库可以搞定：

import pytesseract
from PIL import Image
import pandas as pd

如果Tesseract没在系统路径里，需要指定一下

pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'

def image_to_excel(img_path, output_excel):

# 读取图片
img = Image.open(img_path)

# 识别文字，chi_sim是中文简体模型
text = pytesseract.image_to_string(img, lang='chi_sim+eng')

# 把识别结果按行分割
lines = text.strip().split('\n')

# 转换成DataFrame并保存
df = pd.DataFrame([line.split('\t') for line in lines])
df.to_excel(output_excel, index=False, header=False)

print(f'识别完成，结果保存在{output_excel}')

使用示例

image_to_excel('表格截图.png', '识别结果.xlsx')

这种方法的识别精度取决于图片质量。如果图片不够清晰，可以先用PIL做一下预处理：

def preprocess_image(img_path):
img = Image.open(img_path)

# 转为灰度图
img = img.convert('L')
# 提高对比度
from PIL import ImageEnhance
enhancer = ImageEnhance.Contrast(img)
img = enhancer.enhance(2.0)
return img

如果你想达到更高的识别准确率（比如98%以上），可以考虑用商业OCR接口，比如百度OCR。它专门优化过表格识别场景，还能自动解析表格的行列结构。不过这是付费服务，有免费额度，适合企业级应用。

避坑指南：这些细节不注意会翻车
路径问题
Windows路径里的反斜杠\需要转义，或者直接用正斜杠/。保险的做法是：

img_path = r'C:\Users\name\images\product.jpg'

或者

img_path = 'C:/Users/name/images/product.jpg'

Excel被占用
如果你的代码运行时报错说文件被占用，记得先把Excel关掉。xlwings这类库启动Excel程序时，如果文件已经打开可能会冲突。

图片格式兼容
.png支持透明背景，.jpg压缩率高但不支持透明。插入到Excel里两种都能用，但压缩时要注意：PNG转JPEG会丢失透明通道。

VBA权限问题
如果用pywin32的方式插入图片，需要提前在Excel里开启“信任对VBA项目对象模型的访问”权限。具体路径：Excel选项 → 信任中心 → 信任中心设置 → 宏设置 → 勾选这个选项。这步不做会报错。

内存溢出
批量处理大量图片时，如果电脑内存不够用，可以考虑分批处理。比如一次处理100张，处理完释放内存再继续。

收个尾
回头来看，那天下午让我发愁的500张产品图，最后用Python不到一分钟就跑完了。代码跑起来的那一刻，看着屏幕上的进度条噌噌往前走，那种感觉确实挺爽的。

Excel和图片打交道这件事，用Python来搞无非就是三个核心操作：插进去、薅出来、压一压。掌握了这几个套路，以后再遇到类似的活儿，就不用跟Excel较劲了。

希望这篇文章能帮你省下几个小时的摸鱼时间。代码都在上面了，复制粘贴改改路径就能用。如果有问题，欢迎交流讨论。

​