如何使用 r 中的 media_extract 从单词中提取图像?
Posted
技术标签:
【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?
【问题讨论】:
【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)
【讨论】:
以上是关于如何使用 r 中的 media_extract 从单词中提取图像?的主要内容,如果未能解决你的问题,请参考以下文章
如何使用 R 中的 rvest 通过以下方式从 Wikipedia 获取“类别”?
如何绘制从使用 R 中的“caret”包创建的随机森林中选择的树
如何使用 R 中的纬度/经度边界从 netCDF 文件中获取子集