Excel嵌入单元格的图片提取方法

背景：

当我们Excel中的图片是嵌入单元格的时候，影刀的指令（导出单元格的图片）是无法成功提取到图片的，该指令只适合用于悬浮状态的图片。这时就需要新的方式来提取图片了。

解决思路：

如图，嵌入到单元格的图片，实际上是对应了一个公式，可以看到公式内有一个ID，或许可以从这个ID入手。

分析：

总所周知，xlsx其实是一个压缩文件，我们可以解压缩看到里面的东西。

在这个路径下可以找到Excel文件内的图片文件：工作簿1\xl\media

但是这里图片文件名与公式中的ID不一致，需要找到对应关系。

1、找对应关系：

在“工作簿1\xl\cellimages.xml”这个文件里可以看到ID对应了一个rId

在“工作簿1\xl\_rels\cellimages.xml.rels”这个文件里可以看到rId对应了一个图片路径

看到这里，可以得到公式里的ID与图片路径的映射关系：ID-->rId-->图片路径

2、根据映射关系提取图片并重命名为公式中的ID

最后，用代码解析文件，获得映射关系字典，把“工作簿1\xl\media”中的图片重命名为公式中的ID，保存至一个图片文件夹内，待使用。

这样，公式与图片就直接对应上了，后续需要如何处理图片就可以很方便地操作了。

具体代码：

import os
import zipfile
import shutil
import xml.etree.ElementTree as ET
import re

"""
功能：提取xlsx文件中的图片，以ID命名，保存到指定文件夹中
参数：file_path : xlsx文件路径
    save_image_path : 保存图片的文件夹路径
"""


# 创建一个临时文件夹
def create_temp_folder(path):
    """
    根据传入的文件路径，在文件所在文件夹目录下创建一个临时文件夹
    :param path: xlsx文件路径
    :return: 临时文件夹路径
    """
    temp_folder = os.path.dirname(path) + "\\临时文件夹"
    try:
        os.mkdir(temp_folder)
        print(f"{temp_folder}文件夹创建成功。")
        return temp_folder
    except FileExistsError:
        print(f"{temp_folder}文件夹已存在。")
        return temp_folder


# 解压缩
def extract_file(file_path, target_path):
    with zipfile.ZipFile(file_path, 'r') as zip_ref:
        zip_ref.extractall(target_path)
    return target_path


# 提取xml中第2个标签内容，生成命名空间字典
def extract_name_space(xml_path):
    with open(xml_path, "r") as file:
        xml_content = file.read()
    pattern = r"<.*?>"
    matches = re.findall(pattern, xml_content)
    pattern = r'\w*?=".*?"'
    name_spaces = re.findall(pattern, matches[1])
    name_space = {}
    for i in name_spaces:
        key, value = i.split("=")
        # print(key, value)
        name_space[key] = value.replace('"', "")
    # print(name_space)
    return name_space


# 解析cellimages_xml文件中的映射关系,rID-->ID
def extract_attributes(cellimages_xml_path, namespaces):
    with open(cellimages_xml_path, 'r', encoding='utf-8') as file:
        xml_content = file.read()
        # print(xml_content)
    xml_to_dict = {}
    root = ET.fromstring(xml_content)

    # 查找所有的xdr:pic节点
    pic_elements = root.findall('.//xdr:pic', namespaces)
    for pic_element in pic_elements:
        # 在每个xdr:pic内查找xdr:cNvPr节点并提取name属性
        cNvPr_element = pic_element.find('.//xdr:cNvPr', namespaces)
        if cNvPr_element is not None:
            name = cNvPr_element.get('name')

            # 同样在xdr:pic内查找a:blip节点并提取r:embed属性
            blip_element = pic_element.find('.//a:blip', namespaces)
            if blip_element is not None:
                r_embed = blip_element.get("{" + namespaces['r'] + "}" + "embed")
                xml_to_dict[r_embed] = name
                # print(f"cNvPr name: {name}, a:blip r:embed: {r_embed}")
    # print(xml_to_dict)
    return xml_to_dict


# 解析cellimages_xml_rels文件中的映射关系,rID-->image_index
def extract_attributes_rels(cellimages_xml_rels_path, namespaces):
    with open(cellimages_xml_rels_path, 'r', encoding='utf-8') as file:
        xml_content = file.read()
        # print(xml_content)
    xml_rels_to_dict = {}
    root = ET.fromstring(xml_content)
    # 查找所有的Relationship节点
    pic_elements = root.findall('.//xmlns:Relationship', namespaces)
    for element in pic_elements:
        rID = element.get('Id')
        image_index = str(element.get('Target')).replace("media/image", '').replace(".png", '')
        xml_rels_to_dict[rID] = image_index
    # print(xml_rels_to_dict)
    return xml_rels_to_dict


# 构建image_index和ID的映射关系
def creat_imageindex_to_ID_dict(xml_to_dict, xml_rels_to_dict):
    imageindex_to_ID_dict = {}
    for key_rID, value_ID in xml_to_dict.items():
        image_index = xml_rels_to_dict[key_rID]
        imageindex_to_ID_dict[image_index] = value_ID
    return imageindex_to_ID_dict


# 将图片文件根据image_index和ID的映射关系重命名，并移动到指定文件夹中
def rename_move_image(imageindex_to_ID_dict, media_path, save_image_path):
    # 遍历映射关系字典，重命名文件并移动
    for image_index, name in imageindex_to_ID_dict.items():
        image_path = media_path + "\\image" + image_index + ".png"
        new_image_path = media_path + "\\" + name + ".png"
        move_to_path = save_image_path + "\\" + name + ".png"
        os.rename(image_path, new_image_path)
        shutil.move(new_image_path, move_to_path)
        print(f"{image_path}重命名并移动文件至：{move_to_path}")


# 主函数
def main(file_path, save_image_path):
    '''
    参数：
        file_path : Excel文件路径
        save_image_path : 存放图片的文件夹路径
    '''
    # 初始化，创建临时文件夹，将xlsx文件解压至临时文件夹中
    temp_folder = create_temp_folder(file_path)  # 创建临时文件夹
    extract_file(file_path, temp_folder)  # 解压xlsx文件

    # 定义几个要用到的文件夹路径
    media_path = temp_folder + "\\xl\\media"  # 解压后的图片文件夹
    cellimages_xml_path = temp_folder + "\\xl\\cellimages.xml"  # xml文件，内有ID_与rID的映射关系
    cellimages_xml_rels_path = temp_folder + "\\xl\\_rels\\cellimages.xml.rels"  # xml文件，内有imageIndex_与rID的映射关系

    # 提取cellimages_xml的命名空间字典
    name_space = extract_name_space(cellimages_xml_path)
    print("提取cellimages_xml的命名空间字典")

    # 读取cellimages_xml文件，得到映射关系字典rID-->image_index
    mapping_dict = extract_attributes(cellimages_xml_path, name_space)
    print("读取cellimages_xml文件，得到映射关系字典rID-->image_index")

    # 提取cellimages_xml_rels的命名空间字典
    name_space_rels = extract_name_space(cellimages_xml_rels_path)
    print("提取cellimages_xml_rels的命名空间字典")

    # 读取cellimages_xml_rels文件，得到映射关系字典rID-->image_index
    rID_to_image_index_dict = extract_attributes_rels(cellimages_xml_rels_path, name_space_rels)
    print("读取cellimages_xml_rels文件，得到映射关系字典rID-->image_index")

    # 创建image_index和ID的映射关系字典
    imageindex_to_ID_dict = creat_imageindex_to_ID_dict(mapping_dict, rID_to_image_index_dict)
    print("创建image_index和ID的映射关系字典")

    # 重命名、移动图片文件
    rename_move_image(imageindex_to_ID_dict, media_path, save_image_path)

    # 删除临时文件夹
    try:
        shutil.rmtree(temp_folder)
        print(f"{temp_folder}文件夹删除成功。")
    except:
        print("删除临时文件夹失败。")


if __name__ == '__main__':
    file_path = r'C:\Users\10485\Desktop\excel图片提取测试\工作簿1.xlsx'
    save_image_path = r'C:\Users\10485\Desktop\excel图片提取测试\图片文件夹'

    main(file_path, save_image_path)