Python读取wps中的DISPIMG图片格式

需求：
读出excel的图片内容，这放在微软三件套是很容易的，但是由于wps的固有格式，会出现奇怪的问题，只能读出：类似于 =DISPIMG(“ID_2B83F9717AE1XXXX920xxxx644C80DB1”,1) 【该DISPIMG函数只有wps才拥有】

本文参考该多个作者的思路：
https://blog.csdn.net/maudboy/article/details/133145278 java读取Excel,(支持WPS嵌入式图片)
以及该github issus:
https://github.com/qax-os/excelize/issues/664 How to read pictures embedded in cells
当然该项目两个个月前用go 来读取wps中的图片格式：https://github.com/qax-os/excelize excelize

希望大家多多关注

github前几名的excel读取,python在后几名【这让我挺吃惊的，作为第一语言，支持库这么多，竟然没有对wps图片解析的python代码】，第一是Go写的。

首先明确，xlsx就是一个zip包，否则里面的图片根本没法读取。
下面是该代码的思路：

# xlsx本质就是zip,其解压文件夹为_rels xl docProps
# 代码思路：首先读取excel表，并提取DISPIMG_id列，保存在image_list中
# 根据xl/cellimages.xml 提取出rId与DISPIMG_id的关系，组成一个map1,{"DISPIMG_id":"rId"}
# 再根据xl/_rels/cellimages.xml.rels，根据rId 与 imgae_path的关系,组成一个map2 {"rId":"image_path"}
# 根据map1与map2对应的关系，组成一个新map3 : {"DISPIMG_id": "image_path"} 得出对应的关系
# 输出图片，根据xl/{image_path} 输出图片并把图片重命名为DISPIMG_id.png

代码思路，该代码可以优化，主要多次读取文件并且多次调用map了，不过处理几百条数据还是绰绰有余的。

import zipfile
import os
import xml.etree.ElementTree as ET
import openpyxlimage_list = []  # 存放从excel读出的DISPIMG_iddef read_excel_data(filename_path):# 加载 Excel 文件workbook = openpyxl.load_workbook(filename_path, data_only=False)sheet = workbook.active# 遍历数据和公式data = [] # data就是文本信息for row in sheet.iter_rows(min_row=1, values_only=False):row_data = []for cell in row:if cell.value and isinstance(cell.value, str) and '=_xlfn.DISPIMG(' in cell.value:# 提取嵌入的图片 IDformula = cell.valuestart = formula.find('"') + 1end = formula.find('"', start)image_id = formula[start:end]row_data.append(f"{image_id}")image_list.append(image_id)# print(image_id)else:# 其他数据直接添加row_data.append(cell.value)data.append(row_data)return datadef get_xml_id_image_map(xlsx_file_path):# 打开 XLSX 文件with zipfile.ZipFile(xlsx_file_path, 'r') as zfile:# 直接读取 XML 文件内容with zfile.open('xl/cellimages.xml') as file:xml_content = file.read()with zfile.open('xl/_rels/cellimages.xml.rels') as file:relxml_content = file.read()# 将读取的内容转换为 XML 树root = ET.fromstring(xml_content)# 初始化映射字典name_to_embed_map = {}# 命名空间namespaces = {'xdr': 'http://schemas.openxmlformats.org/drawingml/2006/spreadsheetDrawing','a': 'http://schemas.openxmlformats.org/drawingml/2006/main'}# 遍历所有 pic 元素for pic in root.findall('.//xdr:pic', namespaces=namespaces):name = pic.find('.//xdr:cNvPr', namespaces=namespaces).attrib['name']embed = pic.find('.//a:blip', namespaces=namespaces).attrib['{http://schemas.openxmlformats.org/officeDocument/2006/relationships}embed']name_to_embed_map[name] = embed# 打印结果# print(name_to_embed_map)root1 = ET.fromstring(relxml_content)# 命名空间字典，根据 XML 中定义的命名空间进行设置namespaces = {'r': 'http://schemas.openxmlformats.org/package/2006/relationships'}# 创建 ID 和 Target 的映射id_target_map = {child.attrib['Id']: child.attrib.get('Target', 'No Target Found') for child inroot1.findall('.//r:Relationship', namespaces=namespaces)}# print(id_target_map)# 使用字典推导构建新的映射表name_to_target_map = {name: id_target_map[embed] for name, embed in name_to_embed_map.items() ifembed in id_target_map}return name_to_target_mapdef output_id_image(xlsx_file_path):read_excel_data(xlsx_file_path)name_to_target_map = get_xml_id_image_map(xlsx_file_path)# 构建id_image_对new_map = {key: name_to_target_map.get(key) for key in image_list if key in name_to_target_map}print(new_map)output_directory = './images' #保存的图片目录# 打开xlsx文件（即Zip文件）with zipfile.ZipFile(xlsx_file_path, 'r') as zfile:for key, image_path in new_map.items():# 构建实际的图片路径actual_image_path = f'xl/{image_path}'  # 假设图片在'xl/media/'目录下if actual_image_path in zfile.namelist():# 读取图片内容with zfile.open(actual_image_path) as image_file:image_content = image_file.read()# 保存图片到新的文件，使用key作为文件名new_file_path = os.path.join(output_directory, f"{key}.png")with open(new_file_path, 'wb') as new_file:new_file.write(image_content)else:print(f"File {actual_image_path} not found in the archive.")if __name__ == '__main__':output_id_image('/home/jacin/Downloads/英式货表.xlsx')# 输出的图片名字就是 xlsx表中的列的DISPIMG_id，保存在images文件夹下# 并会在控制台输出一个字典，key是DISPIMG_id，value是图片的路径,例如：{'ID_BE7EFF591B6C4978XXXXXX5266': 'media/image118.png'}