如何使用 r 中的 media_extract 从 word 和 powerpoint 中提取图像？

Posted 2023-03-21

【中文标题】如何使用 r 中的 media_extract 从 word 和 powerpoint 中提取图像？

【英文标题】：How to extract images from word and powerpoint using media_extract in r?

【发布时间】：2021-11-30 04:17:45

【问题描述】：

我正在 rmarkdown 中工作以生成一份报告，该报告提取并显示从 word 和 powerpoint 中提取的图像。

为此，我使用了officer包。它有一个名为 media_extract 的函数，可以“从 rdocx 或 rpptx 对象中提取文件”。

我有两个问题：

找到图像后如何查看或使用它。 在word中，如何定位没有media_path列的图像。

我已经能够使用此函数在 pptx 中定位图像：pptx_summary 函数创建一个带有 media_path 列的数据框，该列显示图像元素的文件路径。然后将 media_path 用作 media_extract 函数中的参数来定位图像。请参阅下面的包文档中的示例代码：

example_pptx <- system.file(package = "officer",
  "doc_examples/example.pptx")
doc <- read_pptx(example_pptx)
content <- pptx_summary(doc)
image_row <- content[content$content_type %in% "image", ]
media_file <- image_row$media_file
png_file <- tempfile(fileext = ".png")
media_extract(doc, path = media_file, target = png_file)

但是，当我运行 media_extract 时，它返回“TRUE”，这是示例输出，但我不确定如何将图像添加到我的报告中。我尝试将 media_extract 分配为一个值，例如

image <- media_extract(doc, path = media_file, target = png_file)

但这会返回 'FALSE'。

如何将图片作为图片包含在我的报告中？

我遇到的第二个问题是如何在 word 中定位图像。 media_extract 的文档说它可以用来从 .docx 和 .pptx 中提取图像，我只设法让它为后者工作。我无法为 .docx 创建文件路径。

文件路径是使用任一生成的； docx_summary 或 pptx_summary，取决于文件类型，它们创建文件的数据框摘要。 pptx_summary 包含一列 media_path，它显示图像的文件路径。 docx_summary 数据框不包含此列。另一个*** post 提出了一个使用word/media/ 子目录的解决方案，似乎可行，但我不确定这意味着什么或如何使用它？

如何使用word/media/ subdir 作为媒体路径从word doc 中提取图片？

【问题讨论】：

您需要将png_file值更改为您选择的路径，例如png_file <- "your_file.png"，然后添加markdown图像代码![your_file.png]()。如果操作按预期进行，则 media_extract 的结果是布尔值 TRUE。

@DavidGohel 请作为答案发布。

【参考方案1】：

media_extract() 是一种将媒体复制到您想要的位置的功能。我们可以使用 R Markdown 显示提取的图像，至少有 3 种方法：

knitr::include_graphics() 常规降价 magick::image_read()

如下图所示：

---
title: "media_extract usage"
output: html_document
---

```r setup, include=FALSE
knitr::opts_chunk$set(echo = TRUE)
library(officer)
library(flextable)
example_pptx <- system.file(package = "officer",
  "doc_examples/example.pptx")
doc <- read_pptx(example_pptx)
content <- pptx_summary(doc)
image_row <- content[content$content_type %in% "image", ]
media_file <- image_row$media_file
png_file <- tempfile(fileext = ".png")
media_extract(doc, path = media_file, target = png_file)
```

## include_graphics

```r out.
knitr::include_graphics(png_file)
```

## markdown

You can't use `tempfile()` here - path is better when defined as relative.
Let's write it to "./file.png". 

```r results='hide'
media_extract(doc, path = media_file, target = "file.png")
```

![](file.png)style="width:200px;"

## magick

```r out.
magick::image_read(png_file)
```

【讨论】：

谢谢！这很有帮助

【参考方案2】：

我一直在研究第二期，找到了答案，所以想分享一下！

我从 docx 中提取图像的困难是由于摘要数据框中没有 media_file 列（使用 docx_summary 生成），该列用于定位所需的图像。此列存在于为 pptx pptx_summary 生成的数据框中，并用于包文档中的示例代码。

在没有此列的情况下，您需要使用文档子目录（当 docx 为 XML 格式时的文件路径）来定位图像，如下所示：media_path <- "/word/media/image3.png"

如果你想看看这个结构是什么样的，你可以右键单击你的文档>7-Zip>提取文件.. 将创建一个包含文档内容的文件夹，否则只需更改图像编号以选择所需的图像. 注意：有时图像的名称不符合 image.png 格式，因此您可能需要提取文件以找到所需图像的名称。

将 media_extract 与 docx 结合使用的示例。

#extracting image from word doc using officer package 

report <- read_docx("/Users/user.name/Documents/mydoc.docx")

png_file <- tempfile(fileext = ".png")

media_file <- "/word/media/image3.png"

media_extract(report, path = media_file, target = png_file)