《Python趣味工具》——ppt的操作(1)

前面我们学习了如何利用turtle模块制作emoji,今天来看看PPT的相关操作:


《Python趣味工具》——ppt的操作(1)_第1张图片

文章目录

  • 一、PPT的基础结构:
  • 二、PPT的相关操作:
    • 1. 导入pptx模块
    • 2. ppt的基本操作:
  • 三、总结:
  • 四、 完整源码:


小L想要把 PPT 中的文本全部粘贴到 Word 文档中,该怎么办,一页一页的复制粘贴么,emmm,想想都很麻烦,还是交给Python吧!

即要把 PPT 中的文本内容读取出来,再写入 Word 文档中。

我们想要使用 Python 读取 PPT 中的文字,首先应该清楚 PPT 的基础结构,这样对之后代码的编写很有帮助。

此处我们以 PowerPoint 软件为例,进行讲解和演示。


一、PPT的基础结构:

1️⃣一个 PPT 就是一个演示文稿(Presentation)。

2️⃣演示文稿由页组成,每一页叫做幻灯片页(Slide)。

3️⃣幻灯片页由形状(Shape)组成。

  • PPT 中提供了各种样式的形状,线条、箭头、矩形、基本形状、共识形状等。

4️⃣通过是否含有文本(text),形状可以分为两类:

  • 一类是含有文本框的形状
  • 另一类是无文本框的形状(纯图片)

5️⃣一个文本框可以看作是小的 Word 文档,其中的每一段内容叫段落(Paragraph)。

注意哦,空行也是段落。

段落之中的内容可以具有不同的样式。

  • 常见的样式有:字体、字形、字号、字体颜色、下划线、删除线、上标和下标等。

6️⃣我们把具有相同样式的基本单元可称为一个样式块(Run)。

例如,在段落中有一个高亮的字,那么这个字就形成了一个样式块。字的左右两边被分割成了新的样式块。所以,段落中就有三个样式块。

将 PPT 中的结构按照层级关系来排列是这样的:

幻灯片页 -> 形状 -> 文本框 -> 段落 -> 样式块


二、PPT的相关操作:

1. 导入pptx模块

在了解了 PPT 文件的基础结构后,接下来就要使用 Python 读取内容。

首先,我们要安装 python-pptx 模块,它可以读取和修改 .pptx 文件,不支持.ppt文件。

python-pptx 不是一个内置模块,所以在使用前要先通过代码
pip install python-pptx 在终端上进行安装。

如果在自己电脑上安装不上或安装缓慢,可在命令后添加
pip install python-pptx -i https://pypi.tuna.tsinghua.edu.cn/simple/
进行加速。

安装完成后,下一步就是导入这个模块;

我们只需要使用 python-pptx 模块中的 Presentation 类,这里要用到 from...import...

需要注意的是,这里是 from pptx import Presentation,而不是
from python-pptx import Presentation。

# 使用from...import从pptx模块中导入Presentation
from pptx import Presentation

2. ppt的基本操作:

由于 PPT 有多级结构,想要得到所有的文字内容,那就要从头开始层层读取。

第一步,读取文件;
第二步,读取指定幻灯片页;
第三步,读取指定形状;
第四步,读取文本框内的文本内容。


1️⃣调用 Presentation() 函数,读取指定路径,相当于打开了一份 .pptx 文件,并返回一个 Presentation 对象。

from pptx import Presentation
path = "/Users/shop.pptx"
pptxFile = Presentation(path)
print(pptxFile)

本例中,将 .pptx 文件的绝对路径以字符串格式赋值给变量 path,再将变量 path 作为参数传入 Presentation() 函数中。


2️⃣读取 .pptx 文件后,我们可以访问 Presentation 中的 .slides 属性,获取幻灯片页序列。

slide = pptxFile.slides

幻灯片页序列中包含所有幻灯片页对象,可以使用索引定位到单个幻灯片页对象;

  1. 获取PPT第一张幻灯片页对象:
slide = pptxFile.slides[0]
  1. 也可以使用 for 循环读取所有幻灯片页对象。
# for循环遍历pptxFile中.slides属性,并赋值给slide
for slide in pptxFile.slides:
    # print()输出slide
    print(slide)

使用 for 循环遍历 Presentation 对象中 .slides 属性,并赋值给变量 slide,这样就可以读取到 .pptx 文件中每个幻灯片页对象。


3️⃣在获取了全部幻灯片页对象后,接下来就要读取其中的形状。

我们可以访问幻灯片页对象中的 .shapes 属性,获取形状序列。

案例中的代码,只读取了第一页幻灯片中的所有形状。

slide = pptxFile.slides[0]
shape = slide.shapes

由于形状包含在幻灯片页中,在这里我们需要使用嵌套循环,读取每一页幻灯片中的每一个形状。

# for循环遍历pptxFile中.slides属性,并赋值给slide
for slide in pptxFile.slides:
    # for循环遍历slide中.shapes属性,赋值给变量shape
    for shape in slide.shapes:
        # print()输出shape
        print(shape)

4️⃣我们通过代码读取到每个幻灯片页中的每一个形状,接下来要获取其中的文本框。

思考一下,是不是每个形状中都有文本框呢?
《Python趣味工具》——ppt的操作(1)_第2张图片
哈哈!并不是哒哒哒哒哒哒哒哒哒哒哒哒dadadada!!!

《Python趣味工具》——ppt的操作(1)_第3张图片

形状可以按照是否含有文本分为两类,一类是含有文本框的形状,另一类是纯图片的形状。

所以,我们要将纯图片的形状排除,再从文本框中提取文字内容。

这段代码可以判断形状内是否有文本框,然后读取文本框对象。

if shape.has_text_frame == True:
    texts = shape.text_frame

访问形状对象中的 .has_text_frame 属性,判断形状中是否存在文本框,返回布尔数。

与 if 语句相结合,如果形状中存在文本框,就执行接下来的操作。


5️⃣在获取了文本框对象后,要读取文本框内的文本内容,需要通过 .text 属性访问。

访问形状中的 .text_frame 属性,获得文本框对象。

  # print()输出textFrame.text
            print(textFrame.text)

终于把 .pptx 文件中的文本内容提取出来了,不错不错


6️⃣接下来,就应该把文本内容全部写入 Word 文档中。

在这里,我们需要知道一个小规则,就是写入 Word 文档的内容样式要保持一致。

也就是说,一段文本内容为一个样式块,就可以写入 Word 文档。如果一段文本内容包含多个样式块,写入 Word 文档时,就可能发生报错。

由于我们以文本框为单位提取文本内容,文本框内有段落,段落中含有不同的样式块,就这样写入 Word 文档,程序会报错。

在这里,要以样式块为最小单位提取文本内容,再把每个样式块写入 Word 文档中。

刚才我们获取了文本框对象,再往下一层读取,需要访问 .paragraphs 属性,返回文本框中的段落序列。

案例中的代码,读取了第一页幻灯片第一个文本框中的所有段落。

textFrame = shape.text_frame
paragraphs = textFrame.paragraphs

要获取每个文本框内的每个段落,就需要使用 for 循环遍历文本框的 .paragraphs 属性。

 # for循环遍历slide中.shapes属性,赋值给变量shape
    for shape in slide.shapes:
        # 判断形状中是否有文本框
        if shape.has_text_frame == True:
            # 读取形状中的文本框,并赋值给变量textFrame
            textFrame = shape.text_frame
        
            # for循环遍历文本框内的所有段落
            # 赋值给变量paragraph
            for paragraph in textFrame.paragraphs:
                # print()输出paragraph
                print(paragraph)

7️⃣获取了所有段落对象后,接下来就访问段落对象的 .runs 属性,就可以获得段落中的样式块序列。

在案例中,读取了第一页幻灯片第一个文本框第一个段落中的所有样式块。

from pptx import Presentation

path = "/Users/shop.pptx"
pptxFile = Presentation(path)

slide = pptxFile.slides[0]
shape = slide.shapes[0]
textFrame = shape.text_frame
paragraph = textFrame.paragraphs[0]

runs = paragraph.runs

接下来,for 循环遍历段落的 .runs 属性,赋值给变量 run;访问段落对象的 .runs 属性,就可以获得段落中的样式块序列。


8️⃣使用 .text 属性读取出样式块对象的文本内容。

  # for循环遍历段落中的所有样式块
                # 赋值给变量run
                for run in paragraph.runs:
                    # 读取样式块中的文本内容,并赋值给变量texts
                    texts = run.text
                    # print()输出texts
                    print(texts)

太好了,终于通过层层读取,获得了每个样式块中的文本内容<( ̄︶ ̄)>
《Python趣味工具》——ppt的操作(1)_第4张图片


三、总结:

今天我们通过读取样式块,访问其 .text 属性,获得了以样式块为单位的文本内容。

这不是提取 .pptx 文件中的文本内容的唯一方式,我们要根据不同的需求采取不同的操作。

层层读取 .pptx 文件需要嵌套循环,理清楚 PPT 的结构,就可以避免出 bug 啦~

小提示:复数结尾的属性,例如 .slides,获取的都是序列,我们可以通过索引和遍历,得到单个对象。

《Python趣味工具》——ppt的操作(1)_第5张图片


四、 完整源码:

# 使用from...import从pptx模块中导入Presentation
from pptx import Presentation

# 将.pptx文件路径赋值给变量path
path = "/Users/xiaohe/statistics.pptx"

# 读取path并赋值给变量pptxFile
pptxFile = Presentation(path)

# for循环遍历pptxFile中的.slides属性,赋值给slide
for slide in pptxFile.slides:

    # for循环遍历slide中.shapes属性,赋值给变量shape
    for shape in slide.shapes:
        # TODO 判断形状中是否有文本框
        if shape.has_text_frame==True:
            # TODO 读取形状中的文本框,并赋值给变量textFrame
            textFrame=shape.text_frame
            
        
            # TODO for循环遍历文本框内的所有段落
            # 赋值给变量paragraph
            for paragraph in textFrame.paragraphs:
                
            
                # TODO for循环遍历段落中的所有样式块
                # 赋值给变量run
                for run in paragraph.runs:
                    # TODO 读取样式块中的文本内容,并赋值给变量texts
                    texts=run.text
                    print(texts)
                    # TODO print()输出texts
                    

呜呜~ 本周就这样了,最近没时间写了~ ~ ~
《Python趣味工具》——ppt的操作(1)_第6张图片

你可能感兴趣的:(《Python项目实战》,python,powerpoint,开发语言)