如何在 Linux 上从 Word 文档中提取图像

Question

是否有一个（Linux）命令行工具可以从 MS Word 文档中提取所有图像（最好是可以处理 .docx 格式的工具）？

Answer 1

由于 docx 文件是 zip 文件，因此您可以解压缩 docx 文件，然后挑选出图像文件。

我没有 Microsoft Office 可以测试，所以我从互联网上下载了一些随机的 docx 文件。似乎图像总是存储在word/media档案库的目录中。

此命令将从档案中提取media目录中的所有文件：

unzip foo.docx "word/media/*"

此命令将仅提取*.jpeg文件：

unzip foo.docx "*.jpeg"

"*.jpg"请注意，如果文件保存为jpg而不是 ，则必须指定jpeg。我假设图像也可能使用不同的格式存储。我不知道图像是否可以存储在目录以外的其他位置word/media。您可以使用unzip -l列出存档的内容。

Answer 2

我编写了一个开源 Python 程序，名为ofc_媒体它基本上完成了 lesmana 的回答中提到的解压操作，但稍微自动化了搜索过程。它还适用于 OpenDocument 格式的文档，可以将提取限制为某些文件扩展名等。

Answer 3

将 Word 文档保存为网页是 Windows 上使用的一种技术，用于将所有图像提取到文件夹中：http://support.microsoft.com/kb/555171

这可能有些冗长，但也许您可以从命令行控制 Linux 上的 Open Office 来提取图像，可能通过转换为网页并最终将图像放在它将创建的支持文件夹中。