python doc转png踩坑历程分享
生活随笔
收集整理的這篇文章主要介紹了
python doc转png踩坑历程分享
小編覺得挺不錯的,現在分享給大家,幫大家做個參考.
首先python根據文本內容生成doc，使用的是python-docx庫，使用示例如下：
from docx import Document
from docx.shared import Pt, RGBColor
from docx.oxml.ns import qn
from docx.enum.text import WD_PARAGRAPH_ALIGNMENT #設置對象居中、對齊等 document = Document()
document.styles['Normal'].font.name = u'微軟雅黑'
document.styles['Normal']._element.rPr.rFonts.set(qn('w:eastAsia'), u'微軟雅黑')
# 標題：20號字體,居中,加粗,黑色,微軟雅黑,段落間距20
title = document.add_paragraph()
# 設置段落間距
title.paragraph_format.line_spacing = 1.3 # 行距
# 設置居中
title.paragraph_format.alignment = WD_PARAGRAPH_ALIGNMENT.CENTER
# 加入文字
run = title.add_run('測試文檔')
# 設置字體大小20
run.font.size = Pt(16)
# 設置字體顏色
run.font.color.rgb = RGBColor(0, 0, 0)
# 加粗
run.font.bold = True
document.save('./a.docx')
下面進入重點python doc怎么轉png，調研并測試過這幾個方法：
- 使用unoconv和libreoffice，doc轉pdf，pdf轉png【環境centos 7】
# 安裝 libreoffice 可將doc轉pdf
yum install libreoffice-writer
yum install unoconv
# 安裝imagemagick
yum install ImageMagick 1.安裝字體庫
yum -y install fontconfig 2.添加中文字體，建立存儲中文字體的文件夾
mkdir /usr/share/fonts/chinese 3.在windows上打開c盤下的Windows/Fonts目錄，一般選擇宋體和黑體，可以看到2個后綴名ttf和ttc的文件，將中文字體復制到Linux中那個chinese文件夾 4.添加權限
chmod -R 755 /usr/share/fonts/chinese 5.安裝ttmkfdir來搜索目錄中所有的字體信息，并匯總生成fonts.scale文件
yum -y install ttmkfdir 6.接下來生成
ttmkfdir -e /usr/share/X11/fonts/encodings/encodings.dir 7.修改字體配置文件
vi /etc/fonts/fonts.conf 8.可以看到一個Font list，即字體列表，添加中文字體文件夾位置，生成緩存
fc-cache 查看中文字體是否被添加進去
fc-list # 執行轉換
$ unoconv -f pdf -o ./11.pdf 11.docx
$ sz 11.pdf $ unoconv -f png -o ./11.png 11.pdf # 只能轉換1張，使用：convert -density 300 12.pdf -alpha off -background white -quality 100 image_transparent.png #會生成多張 image_transparent-0.png image_transparent-1.png
$ sz 11.png
總結：可行，速度不行
- spire.doc，pip安裝庫spire-doc，總結如下：
- 一個收費庫即有水印，小貴，花不了一點兒（官網價格：https://www.e-iceblue.com/Buy/Spire.Doc.html）。
- 經測試水印位置，上中下都有，嘗試去水印，去除的不徹底邊緣能看到紅色，或者導致原始文檔內容不連續。
- 嘗試doc直接轉svg，修改svg水印字顏色和字號，結果轉出的png英文顯示，中文顯示的是框框，還出現字重疊的情況。
- 速度還是挺快的。
- aspose words，pip安裝庫aspose-words，總結如下：
- 與spire.doc一樣收費，價格沒去看，就看這個水印就放棄了，如圖：
- 使用unoconv和libreoffice，doc轉pdf，再使用fitz庫pdf轉png，總結如下：
- 可行，此方案僅僅想在第一種方案上進行速度優化。
- 實際驗證速度還是不行。
- 創建帶樣式的模版html，讀doc轉html，替換掉模版正文，DrissionPage讀取本地html文件，截屏存儲為png。
- 最后這種思路雖然有點繞，不過速度是最快的。
- 無任何收費，DP最優解。
以下是測試代碼：
import os
import platform from PIL import Image
# import cairosvg
from spire.doc import *
from spire.doc.common import *
# import xml.etree.ElementTree as ET
from lxml import etree as ET def remove_red_watermark(image_path, output_path, red_threshold=100):
# 打開圖片并轉換為RGBA格式
image = Image.open(image_path).convert("RGBA")
pixels = image.load() # 遍歷每個像素
for x in range(image.width):
for y in range(image.height):
r, g, b, a = pixels[x, y] # 判斷是否為紅色（可以根據需要調整red_threshold的值）
if r > red_threshold and g < red_threshold + 20 and b < red_threshold + 20:
# # 將紅色像素的透明度設置為完全透明
# pixels[x, y] = (r, g, b, 0)
# 將紅色像素的顏色改為白色，并保留其不透明度
pixels[x, y] = (255, 255, 255, a) # 保存修改后的圖片
image.save(output_path, format="PNG") # 讀取SVG文件
def read_svg(file_path):
tree = ET.parse(file_path)
root = tree.getroot()
return root, tree # 修改SVG中的<tspan>標簽
def modify_tspan_tags(root, target_fill, new_fill, new_font_size):
# 遍歷所有<tspan>標簽
for tspan in root.findall('.//{http://www.w3.org/2000/svg}tspan'):
# 備份原始的transform屬性值
original_transform = tspan.attrib.get('transform', '')
# 檢查fill屬性是否匹配目標值
if 'fill' in tspan.attrib and tspan.attrib['fill'] == target_fill:
# 修改fill屬性和font-size
tspan.attrib['fill'] = new_fill
tspan.set('font-size', new_font_size)
# 恢復原始的transform屬性值
tspan.attrib['transform'] = original_transform # 保存修改后的SVG文件
def save_svg(tree, output_path):
tree.write(output_path, encoding="utf-8", xml_declaration=True, standalone="yes")
# tree.write(output_path) # 將SVG文件轉換為PNG格式
# def convert_svg_to_png(svg_path, png_path):
# try:
# # cairosvg.svg2png(url=svg_path, write_to=png_path)
# # 使用cairosvg生成PNG的字節流
# with open(svg_path, "r", encoding="utf-8") as f:
# svg_content = f.read()
# cairosvg.svg2png(bytestring=svg_content.encode('GBK'), write_to=png_path)
#
# except Exception as e:
# print(f'svg convert png err:{svg_path}') # 主函數
def main(input_svg_path):
# 輸入SVG文件路徑 # 讀取SVG文件
root, tree = read_svg(input_svg_path) # 修改<tspan>標簽
modify_tspan_tags(root, '#ff0000', 'white', '0') # 輸出修改后的SVG文件路徑 output_svg_path = 'modified_input.svg'
new_svg = input_svg_path.replace('.svg', output_svg_path) # 保存修改后的SVG文件
save_svg(tree, new_svg)
print(f"修改后的SVG文件已保存為：{new_svg}")
# 輸出PNG文件路徑
output_png_path = new_svg.replace(output_svg_path, '.png') # 將修改后的SVG文件轉換為PNG格式
# convert_svg_to_png(new_svg, output_png_path)
print(f"修改后的SVG文件已轉換為PNG格式：{output_png_path}") def gen_png(file_path):
# 加載Word文檔
document = Document()
document.LoadFromFile(file_path) # 保存為.png圖片（也可以保存為jpg或bmp等圖片格式）
new_p = file_path.replace('.docx', '')
document.SaveToFile(f"{new_p}-.svg")
# 關閉文檔
document.Close() file_dir = file_path.rsplit('/', 1)[0]
file_dir = file_dir if platform.system() == 'Linux' else file_path.rsplit('\\', 1)[0]
print(f'file_dir==={file_dir}')
for _, _, fs in os.walk(file_dir):
for ff in fs:
if ff.endswith('.svg'):
ff_abs = os.path.join(file_dir, ff)
main(ff_abs) def gen_png1(file_path):
# 加載Word文檔
document = Document()
document.LoadFromFile(file_path) new_p = file_path.replace('.docx', '')
# 遍歷所有頁面
for i in range(document.GetPageCount()):
# 轉換指定頁面為圖片流
imageStream = document.SaveImageToStreams(i, ImageType.Bitmap)
# 保存為.png圖片（也可以保存為jpg或bmp等圖片格式）
with open(f"{new_p}-{str(i)}_output.png", 'wb') as imageFile:
imageFile.write(imageStream.ToArray())
remove_red_watermark(f"{new_p}-{str(i)}_output.png", f"{new_p}-{str(i)}.png")
# 關閉文檔
document.Close() if __name__ == '__main__':
f_p = r'C:\Users\user\Desktop\test\11.docx'
f_p = f_p if platform.system() == 'Windows' else '/jjyy/11.docx'
print(f'f_p==={f_p}')
# gen_png(f_p)
gen_png1(f_p)
若報以下錯，參考下面文章：
sqlite:No module named _sqlite3
ImportError: lxml.html.clean module is now a separate project lxml_html_clean
DrissionPage.errors.WrongURLError 無效的url，也許要加上"http://"？
總結
以上是生活随笔為你收集整理的python doc转png踩坑历程分享的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 每年元宵你家都是怎么过的？
- 下一篇： SQL语句between and边界问题