docx文档格式组成
docx是Microsoft Office2007之后版本使用的，用新的基于XML的压缩文件格式取代了其目前专有的默认文件格式，在传统的文件名扩展名后面添加了字母“x”（即 “.docx”取代“.doc”、“.xlsx”取代“.xls”、“.pptx”取代“.ppt”）。
docx 格式文件的主要内容是保存为XML格式的，但文件并非直接保存于磁盘。它是保存在一个ZIP文件中，然后取扩展名为docx。将.docx 格式的文件后缀改为ZIP后解压, 可以看到解压出来的文件夹中有word这样一个文件夹，它包含了Word文档的大部分内容。而其中的document.xml文件则包含了文档的主要文本内容。
word目录下：
document.xml文件内容：
media目录下存放word文档中插入的图片：
所以，我们可以使用手工的方法编辑文件document.xml来对该word文档内容进行编辑，或是提取文档media中图片文件的方式来提取该word文档中所插入的所有图片。
例子： 获取docx中文件列表信息
import zipfile
‘‘‘获取解压后的文件信息‘‘‘
def getinfo(wordfile):
f=zipfile.ZipFile(wordfile,‘r‘)
for filename in f.namelist():
f.extract(filename) #解压文件
print(filename)
输出解压后的信息：
_rels/
_rels/.rels
customXml/
customXml/_rels/
customXml/_rels/item1.xml.rels
customXml/_rels/item2.xml.rels
customXml/item1.xml
customXml/item2.xml
customXml/itemProps1.xml
customXml/itemProps2.xml
docProps/
docProps/app.xml
docProps/core.xml
docProps/custom.xml
docProps/thumbnail.wmf
word/
word/_rels/
word/_rels/document.xml.rels
word/document.xml
word/fontTable.xml
word/media/
word/media/image1.jpeg
word/numbering.xml
word/settings.xml
word/styles.xml
word/theme/
word/theme/theme1.xml
例子：获取word文档中的图片
‘‘‘
——获取图：
word文档的路径
zip压缩文件的路径
临时解压的tmp路径
最后需要保存的store_path路径
‘‘‘
def getpic(path, zip_path, tmp_path, store_path):
‘‘‘
:param path:源文件
:param zip_path:docx重命名为zip
:param tmp_path:中转图片文件夹
:param store_path:最后保存结果的文件夹（需要手动创建）
:return:
‘‘‘
‘‘‘=============将docx文件重命名为zip文件====================‘‘‘
os.rename(path, zip_path)
# 进行解压
f = zipfile.ZipFile(zip_path, ‘r‘)
# 将图片提取并保存
for file in f.namelist():
f.extract(file, tmp_path)
# 释放该zip文件
f.close()
‘‘‘=============将docx文件从zip还原为docx====================‘‘‘
os.rename(zip_path, path)
# 得到缓存文件夹中图片列表
pic = os.listdir(os.path.join(tmp_path, ‘word/media‘))
‘‘‘=============将图片复制到最终的文件夹中====================‘‘‘
for i in pic:
# 根据word的路径生成图片的名称
new_name = path.replace(‘\\‘, ‘_‘)
new_name = new_name.replace(‘:‘, ‘‘) + ‘_‘ + i
shutil.copy(os.path.join(tmp_path + ‘/word/media‘, i), os.path.join(store_path, new_name))
‘‘‘====删除缓冲文件夹中的文件，用以存储下一次的文件====‘‘‘
for i in os.listdir(tmp_path):
# 如果是文件夹则删除
if os.path.isdir(os.path.join(tmp_path, i)):
shutil.rmtree(os.path.join(tmp_path, i))
if __name__ == ‘__main__‘:
# 源文件
path = r‘E:\dogcat\提取图片\log.docx‘
# docx重命名为zip
zip_path = r‘E:\dogcat\提取图片\log.zip‘
# 中转图片文件夹
tmp_path = r‘E:\dogcat\提取图片\tmp‘
# 最后保存结果的文件夹
store_path = r‘E:\dogcat\提取图片\测试‘
m = getpic(path, zip_path, tmp_path, store_path)
例子：把doc转存为docx
def docTTTTTdocx(doc_name, docx_name):
try:
# 首先将doc转换成docx
word = client.Dispatch(“Word.Application”)
doc = word.Documents.Open(doc_name)
# 使用参数16表示将doc转换成docx
doc.SaveAs(docx_name, 16)
doc.Close()
word.Quit()
except:
pass