[Python] 自动化办公 将ppt内的文字提取至word中

转载请注明：陈熹 [email protected] （号：半为花间酒）
若公众号内转载请联系公众号：早起Python

本例可以学到的知识点： python-pptx和python-docx交互操作word和ppt文件

今天将会学习一个实用办公小技巧：将文字从ppt中提取出来并写入word

一、需求描述：

有一份如图所示的ppt，包含了Python的介绍。现在需要将ppt中的文字都提取出来并写入word中，如下图：

二、涉及知识

代码实际上非常简单，基于python-pptx和python-docx两个模块即可，核心代码只有6行
但需要先熟悉ppt和word两种文件的格式，可通过下面的图解对word结构有个直观认识

不考虑表格图片等情况，一个纯文字组成的word文档由文档 document - 段落 paragraph - 文字块 run三级结构组成

再看一下ppt结构组成，会较word复杂许多。当然这也跟ppt的高度自定义拓展性有关

简单来说，一个PPT文件为presentation，基本的结构为展示文件 presentation - 幻灯片页 slide - 形状 shape组成，形状就需要区分开，是包含文本的形状还是不包含文本的形状（纯图片等）。如果是包含文本的形状，则可以获取内部的文本框，一个文本框又可以看作是一个小的word文档，包含段落 paragraph - 文字块 run

有了以上的知识铺垫就可以写代码了

三、代码实现

• 导入需要的模块

from pptx import Presentation
from docx import Document

注意，安装的时候是python-docx和python-pptx，但实际运用都是pptx和docx

两个模块的相似点：

1. 安装名和导入名不同
2. 安装名为 python-新版本后缀名 导入名为新版本后缀名

• 导入pptx文件，创建word文件

wordfile = Document()
# 给定ppt文件所在的路径
filepath = r'xxxxxxxx'
pptx = Presentation(filepath)

• 遍历ppt，将文字写入word

# 遍历ppt文件的所有幻灯片页
for slide in pptx.slides:
    # 遍历幻灯片页的所有形状
    for shape in slide.shapes:
    # 判断形状是否含有文本框，如果含有则顺序运行代码
        if shape.has_text_frame:
            # 获取文本框  
            text_frame = shape.text_frame
            # 遍历文本框中的所有段落
            for paragraph in text_frame.paragraphs:
                # 将文本框中的段落文字写入word中
                wordfile.add_paragraph(paragraph.text)

遍历ppt到段落就写入word，而非遍历到底直到文字块才写入，因为段落更符合阅读习惯，一般遍历到文字块是需要对特定的字段词块进行操作才进行

• 最后记得保存word文件

save_path = r'xxxxxxxx'
wordfile.save(save_path)