GitHub - zhangjunL/PicEx: 从word，pdf,execl文件中导出图片

PicEx 是一个强大的文档图片提取工具，可以从各种文档格式中自动提取图片。支持轮询扫描模式，特别适合在 NAS 等环境中运行。

✨ 功能特点

支持多种文档格式：
- PDF 文件 (.pdf)
- Word 文档 (.doc, .docx)
- Excel 表格 (.xls, .xlsx)
- PowerPoint 演示文稿 (.ppt, .pptx)
- ZIP 压缩包 (.zip)
- Adobe Illustrator 文件 (.ai) - 使用 PDF 兼容层
- Adobe Photoshop 文件 (.psd) - 使用 ImageMagick 提取图层
智能文件处理：
- 🔄 轮询模式 - 定时扫描目录（默认 30 秒），不依赖文件系统事件
- 📁 支持子文件夹处理
- 🔒 文件锁定检测，避免处理正在写入的文件
- ⏭️ 智能去重，不重复处理未修改的文件
- 📂 自动创建输出目录结构
容器化部署：
- 🐳 Docker 支持
- 📦 Docker Compose 一键部署
- 🚀 绿联云等 NAS 设备完美支持

📦 系统要求

Docker 或 Docker Compose
至少 1GB 可用内存
至少 1GB 可用磁盘空间

🚀 快速开始

使用 Docker 镜像（推荐）

阿里云镜像（国内推荐）：

docker pull registry.cn-hangzhou.aliyuncs.com/zjsck/picex:latest

使用 docker-compose：

# 创建目录
mkdir -p input output

# 启动服务（轮询模式，每 30 秒扫描一次）
docker-compose up -d

# 查看日志
docker-compose logs -f

直接运行：

# 轮询模式（推荐）：每 30 秒扫描一次目录
docker run -d \
  --name picex \
  --user root \
  -v $(pwd)/input:/input \
  -v $(pwd)/output:/output \
  registry.cn-hangzhou.aliyuncs.com/zjsck/picex:latest /input /output 30

# 查看日志
docker logs -f picex

自定义轮询间隔

修改 docker-compose.yml 中的 command 参数：

command: ["/input", "/output", "60"]  # 改为 60 秒

或在命令行中指定：

docker run ... picex /input /output 60  # 60 秒轮询间隔

从源码构建

# 克隆仓库
git clone https://github.com/zhangjunL/PicEx.git
cd PicEx

# 构建镜像
./build.sh

# 或使用 docker-compose
docker-compose build

📖 使用说明

工作模式

PicEx 使用轮询扫描模式：

🔄 定时扫描输入目录（默认 30 秒）
🔍 检测新文件或修改的文件
📄 根据文件类型提取图片
💾 保存到输出目录，保持原有目录结构

支持的格式

格式	扩展名	提取方式
PDF	`.pdf`	逐页提取嵌入图片
Word	`.docx`, `.doc`	提取嵌入媒体资源
Excel	`.xlsx`, `.xls`	提取嵌入图片
PowerPoint	`.pptx`, `.ppt`	提取嵌入媒体
ZIP	`.zip`	递归提取压缩包图片
Adobe Illustrator	`.ai`	PDF 兼容层提取
Adobe Photoshop	`.psd`	图层提取（ImageMagick）

输出结构

output/
├── document.pdf/
│   ├── image_page1_1.png
│   ├── image_page2_1.png
│   └── ...
├── design.psd/
│   ├── layer_1.png
│   ├── layer_2.png
│   └── ...
└── logo.ai/
    └── image_page1_1.png

🛠️ 技术栈

.NET 8.0 - 主开发框架
iText7 - PDF 处理
DocumentFormat.OpenXml - Office 文档处理
ImageMagick - PSD 图层提取
Docker - 容器化部署

📁 项目结构

PicEx/
├── PicEx.Console/          # 主程序
│   ├── Extractors/        # 图片提取器
│   │   ├── PdfImageExtractor.cs
│   │   ├── ExcelImageExtractor.cs
│   │   ├── ArchiveImageExtractor.cs
│   │   ├── AiImageExtractor.cs
│   │   └── PsdImageExtractor.cs
│   ├── Services/          # 服务
│   │   └── FileWatcherService.cs
│   ├── Utils/             # 工具类
│   │   └── PathUtils.cs
│   └── Program.cs         # 入口程序
├── Dockerfile             # Docker 配置
├── docker-compose.yml     # Docker Compose 配置
├── build.sh               # 构建脚本
├── push-aliyun.sh         # 阿里云推送脚本
└── README.md

🔧 配置说明

docker-compose.yml

services:
  picex:
    image: registry.cn-hangzhou.aliyuncs.com/zjsck/picex:latest
    container_name: picex
    restart: unless-stopped
    user: root  # NAS 环境需要 root 权限
    volumes:
      - ./input:/input
      - ./output:/output
    command: ["/input", "/output", "30"]  # 30 秒轮询间隔

环境变量

DOTNET_CLI_TELEMETRY_OPTOUT=true - 禁用 .NET 遥测

💡 使用场景

绿联云 NAS 部署

通过绿联云 Docker 管理界面部署
挂载 input 和 output 目录
设置自动重启
复制文件到 input 目录即可自动处理

批量处理文档

# 复制所有 PDF 到 input 目录
cp ~/Documents/*.pdf ./input/

# 等待最多 30 秒（轮询间隔）
sleep 30

# 查看输出
ls -R ./output/

定时任务

配合 cron 或 NAS 定时任务，定期运行容器处理文件：

# 每天凌晨 2 点运行
0 2 * * * cd /path/to/PicEx && docker-compose up -d && sleep 3600 && docker-compose down

⚠️ 注意事项

文件权限：确保 Docker 容器有读写权限
- NAS 环境建议使用 user: root
- 或设置 output 目录权限为 777
轮询间隔：根据需求调整
- 10-30 秒：快速响应，稍占资源
- 60-300 秒：低资源占用
PSD 文件：
- 复杂的 PSD 可能处理时间较长
- 大型 PSD 建议增加容器内存限制
AI 文件：
- 需要包含 PDF 兼容层
- 在 Illustrator 保存时启用 "Create PDF Compatible File"

🤝 贡献

欢迎提交 Issue 和 Pull Request！

📄 许可证

MIT License