This article is categorized as "Garbage" . It should NEVER be appeared in your search engine's results.Table of Contents
用途
作用1：压缩本地docx/pptx文件体积，尤其是那种粘贴了一大堆原图的PPT
作用2：Google docs限制单个文件大小50M，如果一个google docs文件因为大尺寸图片过多的原因超过了50M，可以通过 下载docx-优化docx-重新上传-重新转换为google docs 的方法给文件续命。
其实，online word（也就是office 365 sharepoint）也限制了单个文件大小为100M，如果真的有这个需求（即：docx大小超过了100M，但无法使用/不想使用word桌面版去编辑这个docx文件），也可以通过 下载docx-优化docx-重新上传 的方法给文件续命。
docx/pptx的解压和重新压缩
解压比较随意，随便找个什么keka这样的解压软件就能完成任务。下面主要讨论压缩。
关键步骤：🔗 [macos - re-zipped docx files don't open in Word - Super User] https://superuser.com/questions/411911/re-zipped-docx-files-dont-open-in-word
意思是，要从那一堆文件的根目录（而不是包含了这些文件的上层文件夹）开始打包
比如：
注意，压缩并制作完成的Archive.zip.docx首次被word打开的时候可能仍然会报错/警告（比如因为zip文件夹里包含了.DS_Store文件），这种错误word是能修复的（修复文件并另存为另一个.docx即可），但如果打包的基本结构有问题（比如没有从根目录开始打包），word是无法修复的。
虽然上面的这个Word found unreadable content警告可以被word修复，但强迫症显然忍不了这一点，一开始我还以为是keka压缩参数的问题，所以改用了/usr/bin/zip命令：
- 用macOS自带的zip命令/usr/bin/zip
- 去掉.DS_Store和__MACOSX文件夹
综合起来就是（在.docx根目录下）：
$ zip -r opt.docx * -x "*.DS_Store" "__MACOSX*"
或者
$ zip -r opt.pptx * -x "*.DS_Store" "__MACOSX*"这样可以规避.DS_Store带来的问题，但后来我发现Word found unreadable content警告仍然有几率出现，只是word都能修复它。最后我发现是word设置的问题，比如：由于种种原因，你的docx文件设置了“嵌入字体”，但实际保存的时候word并没有往docx压缩包里面添加正确的字体文件，而是添加了0字节大小的 font*.odttf . （这种字体策略不一致的问题可能来自不同版本/不同平台的word，或者来自Google Docs/Libreoffice这些非word程序）.
实际上word压缩docx的压缩率仍然比macOS自带的/usr/bin/zip（默认参数）要低，比如你用/usr/bin/zip重新打包以后得到的docx是10M，用word打开然后修改一点点（加个空格什么的）然后再保存它，这个docx可能就变成了12M. 又或者你遇到了上面提到的“0字节大小的font*.odttf“问题（word再次保存的时候又会把>0M的字体文件给它加上），这些繁琐的word设置都可能让你新保存的.docx文件变得更大。但这些都属于无关紧要的问题，因为关键的问题都已经解决了（图片文件大幅度优化，且重新制作的docx文件没有出现严重错误）。
图片优化的思路（2024草稿）
接下来是jpg/png的优化问题。jpg还好说，全部丢给mozjpeg就可以。png稍微麻烦点，目前是2个思路：
思路1：png就用其他的png优化库（这样可以防止文档中出现的透明png样式被搞乱）
思路2：png也喂给mozjpeg（要确定这个文档里没有透明png的需求），但要同时改变各种xml文档中的字符串（从.png变成.jpg）
暂时实现的是思路2.
遗留问题：如果一个docx被反复优化并反复添加新图片，那么留在docx里面的“老图”质量会越来越低。思路：可能要用exif进行标记。
遗留问题：pdf缓存问题：用脚本优化并重新打包docx以后，用word再次打开（优化后的文件）并另存为pdf，仍有可能导出一个巨大的pdf，这可能来自于word.app的缓存问题（内存缓存或者硬盘缓存）。解决方法：待续（重命名？）
遗留问题：png优化（目前没有实现这个功能，而是把所有png变成了jpeg，主要原因还是没有透明png这个刚需，不想去花时间挑选以及测试那些png优化库）
2024-11-22更新：
完全一样的程序还可以作用于.pptx文件！很多时候pptx更需要优化，因为图多
但有些pptx会用到透明png的特性（比如logo展示），所以要注意png的处理是否恰当
图片优化（成品python代码）
2025-06-18，我终于想起了这个项目还没收尾。事实上过去一年我一直在用上面的思路制作的半成品（只能处理jpeg的python程序）来压缩docx/pptx，效果很好。对于极少数透明png，我的做法是在程序压缩完毕以后直接手动把这些透明png添加回去。
现在终于加入了pngquant把程序收尾了。总体思路如下：
- pngquant可选。如果文档里没有透明png的需求：所有jpeg/png都会用mozjpeg变成压缩过的jpeg；如果文档里有透明png的需求：jpeg使用mozjpeg压缩成jpeg，png使用pngquant压缩成png（保留png的透明特性）。
- mozjpeg可选压缩比，一般我习惯用85；pngquant暂时没有引入额外参数
- 使用exiftool对优化过的图片进行exif标记：优化后的图片会带有 {"Keywords": ["docx_opt"]} ，同时程序会自动跳过带有这种标记的图片（防止一张图片被反复压缩）
代码如下（部分代码是gpt给的，很多代码写的很烂比如检查 [Content_Types].xml 的代码，但是懒得改了）：
注意：需要exiftool, mozjpeg, pngquant的运行程序以及python-exiftool.
import os
import sys
import codecs
import argparse
import exiftool
def set_exif_tag(file_path):
with exiftool.ExifToolHelper() as et:
et.set_tags(
[file_path],
tags={"Keywords": ["docx_opt"]}
)
os.remove(file_path + '_original')
def check_exif_tag(file_path):
with exiftool.ExifToolHelper() as et:
for d in et.get_metadata(file_path):
for k, v in d.items():
if k == 'IPTC:Keywords' and 'docx_opt' in v:
return True
return False
def try_utf8(filename):
# https://stackoverflow.com/questions/3269293/how-to-write-a-check-in-python-to-see-if-file-is-valid-utf-8
try:
file_str = codecs.open(filename, encoding='utf-8', errors='strict').read()
return file_str
except UnicodeDecodeError:
return None
def list_files(path):
files_path = []
for root, dirs, files in os.walk(path):
for name in files:
files_path.append(os.path.join(root, name))
return files_path
def mozcjpeg_in_place(img_path, quality):
os.system('/PATH/cjpeg-static -quality %d %s > %s' % (quality, img_path, img_path + '.tmp'))
os.rename(img_path + '.tmp', img_path)
print('optimize: %s' % img_path)
def mozcjpeg_png(img_path, quality):
os.system('/PATH/cjpeg-static -quality %d %s > %s' % (quality, img_path, img_path.replace('.png', '.jpg')))
os.remove(img_path)
print('%s -> %s' % (img_path, img_path.replace('.png', '.jpg')))
def run_pngquant(img_path):
# currently just use default options in pngquant
os.system(f'/PATH/pngquant {img_path} --output {img_path + '.opt'}')
os.rename(img_path + '.opt', img_path)
print(f'pngquant optimize {img_path}')
def replace_xml_file(files_path, original_str, new_str):
# https://stackoverflow.com/questions/17140886/how-to-search-and-replace-text-in-a-file
for file_path in files_path:
# Read in the file
if '/media/' not in file_path:
with open(file_path, 'r') as file:
file_str = try_utf8(file_path)
if file_str:
# Replace the target string
if original_str in file_str:
file_str = file_str.replace(original_str, new_str)
# Write the file out again
with open(file_path, 'w') as file:
file.write(file_str)
print('change file: %s' % (file_path))
if __name__ == '__main__':
# 检查参数
parser = argparse.ArgumentParser()
# Positional argument: quality (must be int between 1 and 99)
parser.add_argument(
'quality',
type=int,
help='Quality value between 1 and 99'
)
# Optional flag: --pngquant
parser.add_argument('--pngquant', action='store_true', help='Enable pngquant compression')
args = parser.parse_args()
# Validate quality range
if not (0 < args.quality < 100):
print('error: input parameter invalid (must be between 1 and 99)')
exit(1)
print('quality: %d' % args.quality)
quality = args.quality
# Handle pngquant flag
if args.pngquant:
print('--------------------------All png files will be compressed by pngquant--------------------------')
pngquant = True
else:
print('--------------------------All png files will be converted to jpeg--------------------------')
pngquant = False
# 检查当前运行环境
files_path = list_files('.')
check_dir = False
for path in files_path:
if './[Content_Types].xml' == path:
check_dir = True
break
if not check_dir:
print('error: this python script must run inside docx directory which includes [Content_Types].xml')
exit(1)
# 检查必要工具
if not os.path.isfile('/PATH/cjpeg-static'):
print('error: mozjpeg not found: /PATH/cjpeg-static')
exit(1)
if not os.path.isfile('/PATH/exiftool'):
print('error: exiftool not found: /PATH/exiftool')
exit(1)
# 现在也检查pngquant
if not os.path.isfile('/PATH/pngquant'):
print('error: pngquant not found: /PATH/pngquant')
exit(1)
# 开始优化
print()
for file_path in files_path:
if '/media/' in file_path:
if file_path.lower().endswith('.jpg') or file_path.lower().endswith('jpeg'):
if not check_exif_tag(file_path):
mozcjpeg_in_place(file_path, quality)
set_exif_tag(file_path)
else:
print('Already optimized: skip %s' % file_path)
print()
if file_path.lower().endswith('.png'):
head, filename = os.path.split(file_path)
if not check_exif_tag(file_path):
if not pngquant:
mozcjpeg_png(file_path, quality)
replace_xml_file(files_path, filename, filename.replace('.png', '.jpg'))
set_exif_tag(file_path.replace('.png', '.jpg'))
else:
run_pngquant(file_path)
set_exif_tag(file_path)
else:
print('Already optimized: skip %s' % file_path)
print()
用法示例：
先解压一个docx/pptx，然后进入解压后的目录（目录下一定有一个 [Content_Types].xml 文件），运行：
# 优化docx，jpeg压缩比80，选择pngquant压缩png
# 其他用法同理
$ cp /PATH/TO/docx_opt.py ./docx_opt.py; python3 docx_opt.py 80 --pngquant; zip -r opt.docx * -x "*.DS_Store" "__MACOSX*" "docx_opt.py"然后用word/powerpoint程序打开 opt.docx 并检查文件是否正常。如果报了小错就修复文件（如之前的内容所示）。把优化后的docx/pptx拷贝出来存着，然后把剩下的那堆垃圾删掉即可。
