使用Python解析Excel中的嵌入图片

介绍

最近在使用Python解析Excel表格，表格中有一列数据是图片，需要提取出图片并上传到对象存储服务器中，我使用了openpyxl库来解析Excel，openpyxl中有一个专门的变量可以读取图片信息，然后通过图片的坐标的信息可以对应到单元格中，然后将图片上传到对象存储服务中，并将URL映射到对应的单元格中，就完成了我的目标。就在我以为大功告成之时，我收到了一个使用WPS编辑的Excel文档，里面的图片居然是嵌入在单元格中，单元格中解析后的数据只是一个Excel公式，没有任何图片信息。通过一番搜索，找到了一个巧妙的方法来解析这类嵌入单元格的图片的方法。

原理

xlsx本质上是一个zip文件，里面包含有xml文件和媒体文件，通过解压文件可以拿到图片和xml文件

读取excel单元格时可以从公式中获取到嵌入图片的ID

通过解析xml文件获取图片和ID的映射关系

实现


import zipfile

import xml.etree.ElementTree as ET

def extract_embed_images(path):
    """
    提取Excel表中的嵌入图片并上传
    :param fp: 文件指针
    :return: 图片URL字典
    """
    image_urls = {}
    embed_map = {}
    id_target_map = {}
    with zipfile.ZipFile(path, 'r') as zfile:
        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()
        root = ET.fromstring(xml_content)
        namespaces = {
            'xdr': 'http://schemas.openxmlformats.org/drawingml/2006/spreadsheetDrawing',
            'a': 'http://schemas.openxmlformats.org/drawingml/2006/main'
        }
        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']
            embed_map[name] = embed
        root1 = ET.fromstring(relxml_content)
        namespaces1 = {'r': 'http://schemas.openxmlformats.org/package/2006/relationships'}
        for child in root1.findall('.//r:Relationship', namespaces=namespaces1):
            id_target_map[child.attrib['Id']] = child.attrib.get('Target')
        for name, embed in embed_map.items():
            if embed in id_target_map:
                target = id_target_map[embed]
                with zfile.open("xl/" + target) as file:
                    image_urls[name] = upload_file(file)
    return image_urls

def upload_file(file):
    """
    上传文件到文件服务器
    """
    pass

通过函数extract_embed_images 建立图片ID与图片的映射关系

在解析单元格时如果遇到嵌入图片，则通过查找映射关系，得到该单元格里的图片数据，我这里是将图片上传到文件服务器，你可以按照自己的需求将图片存储在对应的地方，方便后续读取

解析Excel单元格嵌入图片的逻辑如下


import re

import openpyxl

MAX_COL = 100
path = "your/excel/file/path"
image_urls = extract_embed_images(path)



def extract_image_id(formula):
    """
    从公式字符串中提取 image_id
    :param formula: 公式字符串
    :return: 提取的 image_id
    """
    match = re.search(r'=_xlfn\.DISPIMG\("([^"]+)"', formula)
    if match:
        return match.group(1)
    return None

workbook = openpyxl(path)
sheet = workbook.active
for row in sheet.iter_rows(values_only=False):
    for cell in row[:MAX_COL]:
		    if cell.data_type == 'f' and cell.value.startswith("=_xlfn.DISPIMG"):
		        image_id = extract_image_id(cell.value)
		        image_url = image_urls.get(image_id, "")
		        print(image_url)