Word压缩解决方案

Word压缩解决方案：基于图片压缩的 `.docx` 优化实践

📌 背景

在日常科研写作或项目文档整理中，Word 文档（.docx）往往因为插入大量高清图表、扫描图像、公式图等导致文件体积过大，或者毕业学位论文查重要求上传给定大小限制的word文档。这不仅影响文档存储和传输，还在版本控制、邮件发送等场景下带来极大不便。

特别是在使用 MathType、截图粘贴或插入 .tif/.wmf 图片后，Word 会自动嵌入高分辨率对象，导致文档膨胀至数十 MB。

为此，本文提出一种结构化解压分析 + 图像压缩优化 + 结构还原的压缩方案，将 .docx 体积从 60MB 压缩至 30MB 以下，且不影响内容与排版。

🧰 准备工作

✅ 将 `.docx` 转为 `.zip` 文件

Word 的 .docx 文件本质是一个 ZIP 包。我们先手动重命名文件后缀，得到：

example.docx → example.zip

✅ 解压缩 `.zip` 文件

使用右键或工具（如 7-Zip）解压 example.zip，你将看到如下结构：

📁 解压目录
├── [Content_Types].xml
├── _rels/
├── word/
├── docProps/
├── customXml/

其中，图像资源位于：

word/media/

🛠 压缩实施步骤

S1: 分析 `media/` 目录下的文件结构

我们使用 Python 脚本统计不同图片类型的数量与空间占用：

python ./fileTypeAnalysis.py

import os# 设置要统计的文件夹路径
target_dir = r"./example/word/media"# 要统计的扩展名（不区分大小写）
exts_to_track = [".tiff", ".tif", ".wmf", ".png", ".jpeg", ".jpg"]# 存储结果的字典
file_stats = {ext: {"count": 0, "total_size": 0} for ext in exts_to_track}# 遍历所有文件
for root, dirs, files in os.walk(target_dir):for file in files:ext = os.path.splitext(file)[1].lower()if ext in file_stats:full_path = os.path.join(root, file)try:file_size = os.path.getsize(full_path)file_stats[ext]["count"] += 1file_stats[ext]["total_size"] += file_sizeexcept Exception as e:print(f"Error reading {file}: {e}")# 输出统计结果
print(f"\n📊 文件类型统计结果（单位：MB）：\n{'-'*40}")
for ext, stats in file_stats.items():size_mb = stats["total_size"] / (1024 * 1024)print(f"{ext:<6} → 数量: {stats['count']:>4}，总大小: {size_mb:.2f} MB")

执行结果示例：

文件统计结果

S2: 根据不同类型文件，制定处理策略

我们聚焦 .tif 和 .png 两种文件：

.tif 文件：压缩后仍保存为 .tif，使用无损 LZW 编码
.png 文件：开启 optimize=True，并可设置最大宽度进行缩放处理

S3: 执行压缩处理脚本

python ./tif_png_compress.py

from PIL import Image
import os# 设置图像目录
media_dir = r"./example/word/media"
max_width = 1000  # 超过该宽度将自动缩放# 遍历文件
for file in os.listdir(media_dir):ext = os.path.splitext(file)[1].lower()input_path = os.path.join(media_dir, file)# 处理 .tif / .tiffif ext in [".tif", ".tiff"]:try:with Image.open(input_path) as img:img = img.convert("RGB")if img.width > max_width:scale = max_width / img.widthimg = img.resize((int(img.width * scale), int(img.height * scale)), Image.ANTIALIAS)# 保存为原路径，使用 LZW 压缩（无损）img.save(input_path, format="TIFF", compression="tiff_lzw")print(f"[✓] Compressed TIF: {file}")except Exception as e:print(f"[✗] Failed to compress TIF {file}: {e}")# 处理 .pngelif ext == ".png":try:with Image.open(input_path) as img:if img.mode not in ["RGB", "RGBA"]:img = img.convert("RGBA")if img.width > max_width:scale = max_width / img.widthimg = img.resize((int(img.width * scale), int(img.height * scale)), Image.ANTIALIAS)# 覆盖保存，启用 PNG 压缩优化img.save(input_path, format="PNG", optimize=True)print(f"[✓] Compressed PNG: {file}")except Exception as e:print(f"[✗] Failed to compress PNG {file}: {e}")

该脚本将直接在原路径覆盖原文件，无需修改 Word 中的图片引用路径。
压缩处理

S4: 再次检查 `media/` 文件体积分布

再次执行文件统计脚本，确认压缩是否有效。多数 .tif 和 .png 文件可压缩 60% 以上。
压缩后的统计结果

S5: 打包还原为 `.docx`

确保压缩优化完成后，将所有内容重新压缩为 .docx：

S5-1: 进入包含 [Content_Types].xml 的目录
S5-2: 全选所有内容（不要包含外层文件夹）
S5-3: 右键 → 发送到 → 压缩(zip)文件夹
S5-4: 将生成的 .zip 文件重命名为 .docx

或通过以下脚本进行还原：

python ./docxRecover.py

import zipfile
import osdef zip_dir_to_docx(src_dir, output_docx):with zipfile.ZipFile(output_docx, 'w', zipfile.ZIP_DEFLATED) as docx_zip:for foldername, subfolders, filenames in os.walk(src_dir):for filename in filenames:file_path = os.path.join(foldername, filename)arcname = os.path.relpath(file_path, src_dir)docx_zip.write(file_path, arcname)print(f"[✓] 成功打包为 {output_docx}")# 修改路径为你自己的
zip_dir_to_docx(src_dir=r"./example/",      # 该目录必须是包含 [Content_Types].xml 的目录output_docx= r"./example-comp.docx"
)