Python如何使用docx2txt快速抽取出docx中的文字與圖片? import docx2txt ; text = docx2txt.process(str(docx_path), str(images_out_dir))

# 安裝依賴（只在缺少套件時才安裝）

import sys

import subprocess



def ensure_pkg(pkg: str, import_name: str | None = None):

    try:

        __import__(import_name or pkg)

        return True

    except Exception:

        print(f"[install] {pkg}")

        subprocess.check_call([sys.executable, '-m', 'pip', 'install', pkg])

        return True



ensure_pkg('docx2txt')

# python-docx 的 pip 名稱是 python-docx；import 名稱是 docx

ensure_pkg('python-docx', import_name='docx')

# 用 Pillow 生成「看得見」的示範圖片

ensure_pkg('Pillow', import_name='PIL')

# 安裝依賴（只在缺少套件時才安裝）

import sys

import subprocess



def ensure_pkg(pkg: str, import_name: str | None = None):

    try:

        __import__(import_name or pkg)

        return True

    except Exception:

        print(f"[install] {pkg}")

        subprocess.check_call([sys.executable, '-m', 'pip', 'install', pkg])

        return True



ensure_pkg('docx2txt')

# python-docx 的 pip 名稱是 python-docx；import 名稱是 docx

ensure_pkg('python-docx', import_name='docx')

# 用 Pillow 生成「看得見」的示範圖片

ensure_pkg('Pillow', import_name='PIL')

from pathlib import Path

from docx import Document

from docx.shared import Inches



from PIL import Image, ImageDraw



BASE_DIR = Path(r'D:\Temp') / 'docx2txt_demo'

BASE_DIR.mkdir(parents=True, exist_ok=True)



docx_path = BASE_DIR / 'demo.docx'

img_path = BASE_DIR / 'demo.png'



# 生成一張「看得見」的 PNG（避免 1x1 透明圖在 Word 裡看起來像空白）

img = Image.new('RGB', (500, 220), color=(255, 235, 59))  # 黃底

draw = ImageDraw.Draw(img)

draw.rectangle([20, 20, 480, 200], outline=(33, 33, 33), width=6)

draw.text((40, 85), 'DOCX2TXT DEMO IMAGE', fill=(20, 20, 20))

img.save(img_path)



doc = Document()

doc.add_heading('docx2txt Demo 文件', level=1)

doc.add_paragraph('這是一段普通文字，用來測試 docx2txt 的文字抽取。')



doc.add_paragraph('這段後面會插入圖片：')

doc.add_picture(str(img_path), width=Inches(4.5))



doc.add_paragraph('下面是一個簡單表格：')

table = doc.add_table(rows=2, cols=2)

table.cell(0, 0).text = 'Key'

table.cell(0, 1).text = 'Value'

table.cell(1, 0).text = 'Version'

table.cell(1, 1).text = 'v1'



doc.add_paragraph('結尾段落：完成。')

doc.save(str(docx_path))



print('Written:', docx_path)

print('Image  :', img_path)

print('Folder :', BASE_DIR)

from pathlib import Path

from docx import Document

from docx.shared import Inches



from PIL import Image, ImageDraw



BASE_DIR = Path(r'D:\Temp') / 'docx2txt_demo'

BASE_DIR.mkdir(parents=True, exist_ok=True)



docx_path = BASE_DIR / 'demo.docx'

img_path = BASE_DIR / 'demo.png'



# 生成一張「看得見」的 PNG（避免 1x1 透明圖在 Word 裡看起來像空白）

img = Image.new('RGB', (500, 220), color=(255, 235, 59))  # 黃底

draw = ImageDraw.Draw(img)

draw.rectangle([20, 20, 480, 200], outline=(33, 33, 33), width=6)

draw.text((40, 85), 'DOCX2TXT DEMO IMAGE', fill=(20, 20, 20))

img.save(img_path)



doc = Document()

doc.add_heading('docx2txt Demo 文件', level=1)

doc.add_paragraph('這是一段普通文字，用來測試 docx2txt 的文字抽取。')



doc.add_paragraph('這段後面會插入圖片：')

doc.add_picture(str(img_path), width=Inches(4.5))



doc.add_paragraph('下面是一個簡單表格：')

table = doc.add_table(rows=2, cols=2)

table.cell(0, 0).text = 'Key'

table.cell(0, 1).text = 'Value'

table.cell(1, 0).text = 'Version'

table.cell(1, 1).text = 'v1'



doc.add_paragraph('結尾段落：完成。')

doc.save(str(docx_path))



print('Written:', docx_path)

print('Image  :', img_path)

print('Folder :', BASE_DIR)

import docx2txt

images_out_dir = BASE_DIR / 'extracted_images'
images_out_dir.mkdir(parents=True, exist_ok=True)

text = docx2txt.process(str(docx_path), str(images_out_dir))
print('--- Extracted Text ---')
print(text)

print('\n--- Extracted Images ---')
for p in sorted(images_out_dir.glob('*')):
    print(p.name, '-', p.stat().st_size, 'bytes')

import docx2txt

images_out_dir = BASE_DIR / 'extracted_images'
images_out_dir.mkdir(parents=True, exist_ok=True)

text = docx2txt.process(str(docx_path), str(images_out_dir))
print('--- Extracted Text ---')
print(text)

print('\n--- Extracted Images ---')
for p in sorted(images_out_dir.glob('*')):
    print(p.name, '-', p.stat().st_size, 'bytes')