赣州金图网络科技有限公司,佛山做网站优化公司,销售单软件永久免费版,世界互联网峰会20221 发现问题
我的excel中有浮动图片和嵌入式图片#xff0c;但是openpyxl的_image对象只提取到了浮动图片#xff0c;通过阅读其源码发现#xff0c;这是因为openpyxl只解析了drawing文件导致的#xff0c;所以确定需要自己解析 2 解决思路
1、解析出media资源
2、解析…1 发现问题
我的excel中有浮动图片和嵌入式图片但是openpyxl的_image对象只提取到了浮动图片通过阅读其源码发现这是因为openpyxl只解析了drawing文件导致的所以确定需要自己解析 2 解决思路
1、解析出media资源
2、解析出xml这可以得到资源的rNvpr-rId-image target的关系
3、从xlrd或openpyxl中得到单元格cNvpr定位到图片 3 解析xlsx
先把xlsx解压出来得到的文件如下其中xl文件夹是我们需要的 我分析了里面的所有文件发现这两个文件存储了嵌入式图片的关键信息
xl/cellimages.xmlxl/_rels/cellimages.xml
打开这两个文件看看到底存储了什么 3.1 xl/cellimages.xml 有效信息在cellImage对象中
cellImage.pic.nvPicPr.cNvPr.name记录了函数名cellImage.pic.blipFill.blip.embed记录了rId
记录这个关系并建立映射关系 { ID_xxx: rId } 3.2 xl/_rels/cellimages.xml 有效信息在Relationship对象中
Relationship.id文件rIdRelationship.target图片地址
建立这个映射关系 { rId: target }
到这一步我们已经可以从函数名定位到图片资源了剩下一步建立excel单元格和图片的关系接下来解析excel文件
{ ID_xxx: rId } { rId: target } ID_xxx - target 4 代码实现
接下来简单的代码实现有问题可以评论区留言看到会回复
此实现基于openpyxl
from xml.etree.ElementTree import fromstring
from io import BytesIO
from zipfile import ZipFilefrom openpyxl import load_workbook
from openpyxl.packaging.relationship import get_rels_path, get_dependents
from openpyxl.xml.constants import SHEET_DRAWING_NS, REL_NS, IMAGE_NS
from openpyxl.drawing.image import Image, PILImagedef parse_element(element):将XML解析为 {ID_XXX: rId}:param element:etc:cellImagexdr:picxdr:nvPicPrxdr:cNvPr id2 nameID_CBD7CEBC94B44923A5B447F3F21C1995 descrupload_post_object_v2_167528160/xdr:cNvPicPr//xdr:nvPicPrxdr:blipFilla:blip r:embedrId1/a:stretcha:fillRect//a:stretch/xdr:blipFillxdr:spPra:xfrma:off x0 y0/a:ext cx9144000 cy4796155//a:xfrma:prstGeom prstrecta:avLst//a:prstGeom/xdr:spPr/xdr:pic/etc:cellImage:return:data {}xdr_namespace {%s} % SHEET_DRAWING_NStargets level_order_traversal(element, xdr_namespace nvPicPr)for target in targets:# 是一个cellimagecNvPr embed for child in target:if child.tag xdr_namespace nvPicPr:cNvPr child[0].attrib[name]elif child.tag xdr_namespace blipFill:_rel_embed {%s}embed % REL_NSembed child[0].attrib[_rel_embed]if cNvPr:data[cNvPr] embedreturn datadef level_order_traversal(root, flag):层次遍历查找目标节点queue [root]targets []while queue:node queue.pop(0)children [child.tag for child in node]if flag in children:targets.append(node)continuefor child in node:queue.append(child)return targetsdef handle_images(deps, archive) - []:将图片二进制内容封装为Image对象images []if not PILImage: # Pillow not installed, drop imagesreturn imagesfor dep in deps:if dep.Type ! IMAGE_NS:msg {0} image format is not supported so the image is being dropped.format(dep.Type)print(msg)continuetry:image_io archive.read(dep.target)image Image(BytesIO(image_io))except OSError:msg The image {0} will be removed because it cannot be read.format(dep.target)print(msg)continueif image.format.upper() WMF: # cannot savemsg {0} image format is not supported so the image is being dropped.format(image.format)print(msg)continueimage.embed dep.id # 文件rIdimage.target dep.target # 文件地址images.append(image)return imagesdef main():CELLIMAGE_PATH xl/cellimages.xmlPARSE_FILE_PATH C:/Users/user/Downloads/TCI验收问题.xlsxarchive ZipFile(PARSE_FILE_PATH, r)wb load_workbook(PARSE_FILE_PATH)src archive.read(CELLIMAGE_PATH) # 打开cellImage.xml文件deps get_dependents(archive, get_rels_path(CELLIMAGE_PATH)) # 解析cellImage.xml._rel文件image_rels handle_images(depsdeps.Relationship, archivearchive)node fromstring(src)cellimages_xml parse_element(node)cellimages_rel {}for image in image_rels:cellimages_rel[image.embed] imagefor cnvpr, embed in cellimages_xml.items():cellimages_xml[cnvpr] cellimages_rel.get(embed)# df pd.read_excel(PARSE_FILE_PATH)# df[行号] df.index 2# image_mappings ParserXLSXEmbed(wbwb, dfdf).extract_images(start_frommax(0, 1) 1)# image_mappings.update(cellimages_xml)archive.close() # 关闭压缩文件对象防止内存泄漏print(cellimages_xml)if __name__ __main__:main()
