如何使用 r 中的 media_extract 从单词中提取图像？

Posted 2023-03-21

【中文标题】如何使用 r 中的 media_extract 从单词中提取图像？

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

【发布时间】：2021-12-02 01:48:03

【问题描述】：

我正在使用 rmarkdown 来生成一份报告，该报告提取并显示从 word 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”。

总之，我很难找到没有 media_path 列的图像。

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)

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 包含一个 media_path 列，它显示图像的文件路径。 docx_summary 数据框不包含此列。另一个*** 的帖子提出了一个使用word/media/ subdir 的解决方案，似乎可行，但是我不确定这意味着什么或如何使用它？

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

【参考方案1】：

我继续研究这个并找到了答案，所以我想我会分享！

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。

如果没有此列，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)

您要查找的输出是TRUE。 然后可以使用knitr（或其他方法）将图像包含在报告中。

include_graphics(png_file)