Como extrair imagens do documento do Word do Linux

Question

Existe uma ferramenta de linha de comando (Linux) para extrair todas as imagens de um documento do MS Word (de preferência uma que possa manipular o formato .docx)?

    

Answer 1

Como os arquivos docx são arquivos zip, você pode descompactar o arquivo docx e depois selecionar os arquivos de imagem.

Não tenho o Microsoft Office para testar, então baixei alguns arquivos docx aleatórios da Internet. Parece que as imagens são sempre armazenadas em um diretório word/media no arquivo.

Este comando irá extrair todos os arquivos do diretório media do arquivo:

unzip foo.docx "word/media/*"

Este comando irá extrair apenas *.jpeg arquivos:

unzip foo.docx "*.jpeg"

Observe que você precisa especificar "*.jpg" se os arquivos forem salvos como jpg em vez de jpeg . Eu suponho que também é possível que as imagens sejam armazenadas usando um formato diferente. Não tenho idéia se as imagens podem ser armazenadas em outro local diferente do diretório word/media . Você pode usar unzip -l para listar o conteúdo do arquivo.

    

Answer 2

Salvar um documento do Word como uma página da Web é uma técnica usada no Windows para extrair todas as imagens em uma pasta: link

Pode ser demorado, mas talvez você possa controlar o Open Office no Linux a partir da linha de comando para extrair as imagens, possivelmente convertendo-as em uma página da Web e terminando com as imagens na pasta de suporte que ele criaria.