python讀取excel中圖片，并格式化輸出

讀取excel中的圖片并格式化輸出健爬，發(fā)現(xiàn)網(wǎng)上并沒有python的解決方案控乾，
都是解壓遍歷圖片，并不能滿足需求娜遵，因此有了下面的方案 
該代碼支持格式化輸出excel圖片文本蜕衡，并可以指定圖片輸出方式，（圖片路徑 / 圖片base64編碼）

步驟

• 復(fù)制并修改excel文件后綴為zip 格式
• 解壓zip文件
• 遍歷/xl/media 下圖片设拟，獲取路徑慨仿，base64等信息
• 解析 /xl/drawings/ 下 xml文件久脯，獲取圖片在表格中的位置
• 處理表格，并格式化輸出excel文本及圖片等信息

待處理excel表格

img1.png

處理后結(jié)果

2.png

代碼

# -*- coding: utf-8 -*- 
"""
Project: spider
Creator: zhangx
Create time: 2020-05-23 15:23
Introduction:  讀取含有圖片的excel文件镰吆， 并按照 字典返回帘撰，文本、圖片信息
    復(fù)制excel 并重命名為zip 文件万皿，解壓zip 文件摧找，圖片在 /xl/media 文件夾下，遍歷該文件夾獲得圖片路徑牢硅，
    圖片在excel表格的位置信息保存在蹬耘，/xl/drawings的文件夾下，根據(jù)工作簿的索引保存
    解析xml文件减余，根據(jù) 行列獲取位置综苔，圖片索引根據(jù) rId 屬性值，如rId2 == image2
可以更進(jìn)一步位岔，優(yōu)化：
    1休里， 可以將重命名解壓，等操作在內(nèi)存中進(jìn)行赃承， 這樣可以免去每次都要生成zip 文件妙黍，及解壓包
    2， 如果不在內(nèi)存中解壓瞧剖，應(yīng)當(dāng)每次運(yùn)行后刪除拭嫁，zip文件，及解壓包
    3抓于， 如果多個(gè)工作簿中含有圖片做粤， 可以/xl/drawings/drawing2.xml 及增加通過sheet索引讀取圖片位置信息
"""
import base64
import re
import xml.dom.minidom as xmldom
import os
import zipfile
import shutil
import xlrd


# 判斷是否是文件和判斷文件是否存在
def isfile_exist(file_path):
    if not os.path.isfile(file_path):
        print("It's not a file or no such file exist ! %s" % file_path)
        return False
    else:
        return True


# 復(fù)制并修改指定目錄下的文件類型名，將excel后綴名修改為.zip
def copy_change_file_name(file_path, new_type='.zip'):
    if not isfile_exist(file_path):
        return ''

    extend = os.path.splitext(file_path)[1]  # 獲取文件拓展名
    if extend != '.xlsx' and extend != '.xls':
        print("It's not a excel file! %s" % file_path)
        return False

    file_name = os.path.basename(file_path)  # 獲取文件名
    new_name = str(file_name.split('.')[0]) + new_type  # 新的文件名捉撮，命名為：xxx.zip

    dir_path = os.path.dirname(file_path)  # 獲取文件所在目錄
    new_path = os.path.join(dir_path, new_name)  # 新的文件路徑
    if os.path.exists(new_path):
        os.remove(new_path)
    shutil.copyfile(file_path, new_path)
    return new_path  # 返回新的文件路徑怕品，壓縮包


# 解壓文件
def unzip_file(zipfile_path):
    if not isfile_exist(zipfile_path):
        return False

    if os.path.splitext(zipfile_path)[1] != '.zip':
        print("It's not a zip file! %s" % zipfile_path)
        return False

    file_zip = zipfile.ZipFile(zipfile_path, 'r')
    file_name = os.path.basename(zipfile_path)  # 獲取文件名
    zipdir = os.path.join(os.path.dirname(zipfile_path), str(file_name.split('.')[0]))  # 獲取文件所在目錄
    for files in file_zip.namelist():
        file_zip.extract(files, os.path.join(zipfile_path, zipdir))  # 解壓到指定文件目錄

    file_zip.close()
    return True


# 讀取解壓后的文件夾，打印圖片路徑
def read_img(zipfile_path):
    img_dict = dict()
    if not isfile_exist(zipfile_path):
        return False

    dir_path = os.path.dirname(zipfile_path)  # 獲取文件所在目錄
    file_name = os.path.basename(zipfile_path)  # 獲取文件名
    pic_dir = 'xl' + os.sep + 'media'  # excel變成壓縮包后巾遭，再解壓肉康，圖片在media目錄
    pic_path = os.path.join(dir_path, str(file_name.split('.')[0]), pic_dir)

    file_list = os.listdir(pic_path)
    for file in file_list:
        filepath = os.path.join(pic_path, file)
        print(filepath)
        img_index = int(re.findall(r'image(\d+)\.', filepath)[0])
        img_base64 = get_img_base64(img_path=filepath)
        img_dict[img_index] = dict(img_index=img_index, img_path=filepath, img_base64=img_base64)
    return img_dict


# 獲取img_base64
def get_img_base64(img_path):
    if not isfile_exist(img_path):
        return ""
    with open(img_path, 'rb') as f:
        base64_data = base64.b64encode(f.read())
        s = base64_data.decode()
        return 'data:image/jpeg;base64,%s' % s


def get_img_pos_info(zip_file_path, img_dict, img_feature):
    """解析xml 文件，獲取圖片在excel表格中的索引位置信息"""
    os.path.dirname(zip_file_path)
    dir_path = os.path.dirname(zip_file_path)  # 獲取文件所在目錄
    file_name = os.path.basename(zip_file_path)  # 獲取文件名
    xml_dir = 'xl' + os.sep + 'drawings' + os.sep + 'drawing1.xml'
    xml_path = os.path.join(dir_path, str(file_name.split('.')[0]), xml_dir)
    image_info_dict = parse_xml(xml_path, img_dict, img_feature=img_feature)  # 解析xml 文件灼舍， 返回圖片索引位置信息
    return image_info_dict


# 重命名解壓獲取圖片位置吼和，及圖片表格索引信息
def get_img_info(excel_file_path, img_feature):
    if img_feature not in ["img_index", "img_path", "img_base64"]:
        raise Exception('圖片返回參數(shù)錯(cuò)誤， ["img_index", "img_path", "img_base64"]')
    zip_file_path = copy_change_file_name(excel_file_path)
    if zip_file_path != '':
        if unzip_file(zip_file_path):
            img_dict = read_img(zip_file_path)  # 獲取圖片骑素，返回字典炫乓，圖片 img_index， img_index， img_path末捣， img_base64
            image_info_dict = get_img_pos_info(zip_file_path, img_dict, img_feature)
            return image_info_dict
    return dict()


# 解析xml文件并獲取對(duì)應(yīng)圖片位置
def parse_xml(file_name, img_dict, img_feature='img_path'):
    # 得到文檔對(duì)象
    image_info = dict()
    dom_obj = xmldom.parse(file_name)
    # 得到元素對(duì)象
    element = dom_obj.documentElement

    def _f(subElementObj):
        for anchor in subElementObj:
            xdr_from = anchor.getElementsByTagName('xdr:from')[0]
            col = xdr_from.childNodes[0].firstChild.data  # 獲取標(biāo)簽間的數(shù)據(jù)
            row = xdr_from.childNodes[2].firstChild.data
            embed = \
            anchor.getElementsByTagName('xdr:pic')[0].getElementsByTagName('xdr:blipFill')[0].getElementsByTagName(
                'a:blip')[0].getAttribute('r:embed')  # 獲取屬性
            image_info[(int(row), int(col))] = img_dict.get(int(embed.replace('rId', '')), {}).get(img_feature)

    sub_twoCellAnchor = element.getElementsByTagName("xdr:twoCellAnchor")
    sub_oneCellAnchor = element.getElementsByTagName("xdr:oneCellAnchor")
    _f(sub_twoCellAnchor)
    _f(sub_oneCellAnchor)
    return image_info


def read_excel_info(file_path, img_col_index, img_feature='img_path'):
    """
    讀取包含圖片的excel數(shù)據(jù)侠姑， 并返回列表
    :param file_path:
    :param img_col_index: 圖片索引列，list
    :param img_feature: 指定圖片返回形式 img_index", "img_path", "img_base64"
    :return:
    """
    img_info_dict = get_img_info(file_path, img_feature)
    book = xlrd.open_workbook(file_path)
    sheet = book.sheet_by_index(0)
    head = dict()
    for i, v in enumerate(sheet.row(0)):
        head[i] = v.value
    info_list = []
    for row_num in range(sheet.nrows):
        d = dict()
        for col_num in range(sheet.ncols):
            if row_num ==0:
                continue
            if 'empty:' in sheet.cell(row_num, col_num).__str__():
                if col_num in img_col_index:
                    d[head[col_num]] = img_info_dict.get((row_num, col_num))
                else:
                    d[head[col_num]] = sheet.cell(row_num, col_num).value
            else:
                d[head[col_num]] = sheet.cell(row_num, col_num).value
        if d:
            info_list.append(d)
    return info_list


if __name__ == '__main__':
    i = read_excel_info(r'C:\Users\a\Desktop\匯豐銀行信用卡-賬戶&鏈接信息-20200521.xlsx', img_col_index=[5, 6])
    from pprint import pprint
    pprint(i)