openpyxl对execl文件中图片编辑

近日有个小项目，需要对Excel中数据行进行分离，即1.原文件中保留一些过滤掉某些数据行保存为一个新文件，2.原文件中的在上一步中过滤掉数据行也保存为一个新文件。但这些数据行中有的在C列带有图片，有的无图片，这样就给数据的分离带来了麻烦。

openpyxl是可以通过ws._images获取Excel中的图片的，但只是按文件中图片顺序的引用，无法知晓图片所在单元格信息。在测试中，直接调用ws._images[0].anchor则会报错如下：

>>> ws._images[0].anchor
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "D:\python38\lib\site-packages\openpyxl\descriptors\serialisable.py", line 198, in __repr__
    args.append(u"{0}={1}".format(k, repr(v)))
  File "D:\python38\lib\site-packages\openpyxl\descriptors\serialisable.py", line 198, in __repr__
    args.append(u"{0}={1}".format(k, repr(v)))
  File "D:\python38\lib\site-packages\openpyxl\descriptors\serialisable.py", line 198, in __repr__
    args.append(u"{0}={1}".format(k, repr(v)))
  File "D:\python38\lib\site-packages\openpyxl\descriptors\serialisable.py", line 194, in __repr__
    for k in self.__attrs__ + self.__elements__:
TypeError: can only concatenate tuple (not "list") to tuple

不知道是否是这个库的bug还是没有实现的功能。通过查询网上有关文章，发现xlsx实际是一个zip格式的压缩文件，图片的有关信息是可以通过其中的xml文件获得的。通过获取如下图示中的文件及其内容：

图片中指示处即为图片所在的列和行信息，那么就可以使用zipfile标准库来读取他，之后用正则表达式直接匹配出其所在列和行信息，由于本项目中所有图片均包含在C列，所以使用以下代码来获取所有图片的位置信息：

    fz = zipfile.ZipFile(filename, 'r')
    xml_name = 'xl/drawings/drawing1.xml'
    if xml_name in fz.namelist():
        xml_string = fz.read(xml_name).decode()
        images_row_numbers = re.findall(r'<xdr:row>(\d+)</xdr:row>', xml_string)
        if images_row_numbers:
            res = list(map(int, images_row_numbers))
    fz.close()
    res = [r+1 for r in res]

由于要获取行号，此处把每个行数据加上了1。

这样，结合ws._images就可以知道图片的位置信息了。但是文件中抽取一些行后，图片的行信息变化也是比较大的，所以直接用以下代码段先删除文件中所有图片：

    imgs = ws._images[:]

    for i in range(len(ws._images)-1, -1, -1):
        del ws._images[i]

再用以下代码段把图片进行缩放后放置在正确的位置：

    for rowNumber, img in enumerate(images_sequences, 3):
        if img:
            img.width, img.height = img.width * 0.07, img.height * 0.07
            ws.add_image(img, anchor='C' + str(rowNumber))

也算完成了预期目标。

--------------------------------------------------更新------------------------------------------

发现xl/drawings/drawing1.xml文件格式不是全部相同的，所以使用带命名空间的xml方式来解析，代码如下：

    import xml.etree.ElementTree as ET

    fz = zipfile.ZipFile(filename, 'r')
    xml_name = 'xl/drawings/drawing1.xml'
    ns = {'i': 'http://schemas.openxmlformats.org/drawingml/2006/spreadsheetDrawing'}
    if xml_name in fz.namelist():
        xml_string = fz.read(xml_name).decode()
        xml = ET.fromstring(xml_string)
        nodes = xml.findall('.//i:from/i:row', ns)
        images_row_numbers = [node.text for node in nodes]
        if images_row_numbers:
            res = list(map(int, images_row_numbers))
    fz.close()
    res = [r+1 for r in res]