Word 文档里的图片，右键另存一张一张来，几十份文档就是几百次点击；而且另存出来的图往往被 Word 压缩过，清晰度不如原图。睿君DOCX提取图片与识别工具做两件事：把 DOCX 里嵌入的所有媒体文件原封不动批量导出，以及把图片上的文字 OCR 识别成 TXT。两个功能各占一个选项卡，可以分开用，也可以先提取再识别。
先分清两个选项卡：「Word非文字提取」处理的是 .docx 文件，把文档里嵌的东西掏出来存成文件；「图片文字提取」处理的是图片文件，把画面上的字认成文本。前者不识别文字，后者不打开 Word，各做各的。
支持的输入与输出
| 功能 | 输入 | 输出 |
|---|---|---|
| Word非文字提取 | .docx 文件（可多选，也可整个文件夹） | 文档内嵌的原始媒体文件，按文档分别存进 MEDIA_文档名 文件夹 |
| 图片文字提取 | jpg、jpeg、png、bmp、tiff（可多选，也可整个文件夹） | 与图片同名的 .txt 文本文件 |
Word非文字提取：导出的是原始文件，不是截图
- 直接读取 .docx 的内部结构，把
word/media里的文件按原格式、原文件名、原分辨率写出来，不经过任何转码或压缩，所以不会有「另存后变糊」的问题。 - 掏出来的不止是图片——文档里嵌的 视频、音频、EMF/WMF 矢量图同样会被导出，所以这个功能叫「非文字内容提取」而不是「图片提取」。
- 输出目录留空时，每个文档在自己所在目录下生成 MEDIA_文档名 文件夹；也可以统一指定一个输出目录，多个文档各自建子文件夹，不会互相覆盖。
- 支持把文件或整个文件夹直接拖进列表，文件夹会自动递归找出所有 .docx。
- 处理中有进度条和逐条日志（提取了哪个文件、存到哪里），可随时点「停止」中断。
- 遇到损坏或伪装成 .docx 的文件会在日志里明确报出来，不中断整批处理。
图片文字提取：中英文混合识别，批量出 TXT
- 识别引擎按简体中文 + 英文混合模式工作，中英夹杂的截图、扫描件、资料图都能直接跑。
- 支持批量：一次添加多张图片或整个文件夹，逐张识别、逐张出 TXT。
- 输出目录留空时，结果存到各图片同级的「图片文字提取结果」文件夹；也可以指定统一输出目录。
- 同样有进度条、日志和停止按钮。
OCR 需要先装环境包（重要）：图片文字识别依赖 Tesseract OCR 引擎，软件本身不内置。首次使用请先下载
Tesseract-OCR 环境包（约 365MB），解压后以管理员身份运行里面的「添加环境变量」，之后识别功能即可正常使用。只用「Word非文字提取」的话，不装环境包也能用。
使用步骤
- 打开软件，按需要切换到「Word非文字提取」或「图片文字提取」选项卡。
- 点「添加文件」「添加文件夹」，或直接把文件、文件夹拖进列表。
- 需要统一归档就设置输出目录；留空则按上面说的默认规则输出到源文件旁边。
- 点「开始提取」，看进度条和日志。中途要停就点「停止」。
- 处理完成后到输出目录查看结果。
限制与注意
- 只支持 .docx，不支持老式 .doc。.doc 是二进制格式，请先用 Word 另存为 .docx 再处理。
- 提取的是文档里嵌入的媒体。以「链接到文件」方式插入的图片本身不在文档内，提取不出来。
- OCR 输出的是纯文本，不还原排版，不生成表格结构，也不做手写体识别。
- 识别准确率取决于图片清晰度：扫描件、清晰截图效果好；模糊、倾斜、艺术字、复杂背景上的文字会明显下降。
- 本工具不处理 PDF。需要 PDF 与 Word、TXT、Markdown 互转或扫描件 OCR，请用睿君PDF WORD TXT 文档格式互转工具。
- Windows 10/11 桌面软件，本机离线运行，不上传任何文件。
当前线上交付版：加输出目录版（2026-03 打包）。包含上述两个选项卡的全部功能、自定义输出目录、拖拽添加、进度与日志、停止处理。暂不包含后续本地版的界面改版内容（自动推导并显示输出路径、列表移除选中、处理完一键打开输出文件夹）。
软件界面与演示
常见问题
提取出来的图片会不会比原图糊？
不会。工具是把文档内部存的原始文件直接写出来，不做任何转码和压缩，格式、文件名、分辨率都和当初插入文档时一致。这一点和在 Word 里右键另存不同，后者可能拿到的是被压缩过的版本。
老的 .doc 文件能处理吗？
不能。只支持 .docx。.doc 是旧的二进制格式，内部结构不同，请先用 Word 打开另存为 .docx，再放进工具处理。
图片文字识别为什么提示不可用？
识别功能依赖 Tesseract OCR 引擎，需要单独安装环境包。请下载 Tesseract-OCR 环境包，解压后以管理员身份运行其中的「添加环境变量」，然后重新打开软件。「Word非文字提取」不需要这一步。
几十上百个文档的图片，怎么归档才不乱？
把整个文件夹拖进列表，再指定一个统一的输出目录。工具会为每个文档单独建一个 MEDIA_文档名 的文件夹存放它自己的媒体文件，同名图片不会互相覆盖，事后按文档名就能找回来源。
识别结果能保留原来的排版和表格吗？
不能。输出是纯文本 TXT，只有文字内容，不还原字号、分栏、表格结构，也不识别手写体。需要的是可编辑的文档而不是纯文本时，请考虑睿君PDF WORD TXT 文档格式互转工具。
