Python处理PPT文件的实用知识点总结
作者：程一初
python是一门很强大的语言,因为有着丰富的第三方库,所以可以说Python是无所不能的,下面这篇文章主要给大家介绍了关于用Python提取PPT中图片的相关资料,文中通过实例代码介绍的非常详细,需要的朋友可以参考下
前言
和Word、Excel承载数据的能力相比，PPT的应用重点在于表演。
比如一场发布会、一场演说、一次产品展示、一次客户沟通……
正常情况下，用PowerPoint等软件制作PPT是明智的选择，简单实用。
但如果需要批量或者自动化处理PPT文件时，用Python就能节省很多时间。
比如：
- 用PPT批量生成一些发布会风格的图片
- 从大量PPT中提取表格数据
- 用PPT批量制作简单动画
处理PPT的Python库，主要有两类：
pywin32，调用操作系统上已装好的PPT软件。python-pptx，根据OpenXML规范解析XML文件。
日常处理推荐使用python-pptx模块，它基于PIL处理图片，基于xlsxwriter处理图表。
但如果需要批量转换PPT文件格式，如导出成PDF，那就得用pywin32，而且只能在Windows操作系统上操作。
本文主要介绍python-pptx用法，模块安装：pip install python-pptx。
注意：python-pptx暂时还不支持SmartArt和动画。如果需要批量生成，就得自己操作XML文件中对应内容。
基本使用
PPT中基本元素包括：
- slide（幻灯片）：一个PPT由一系列slide构成。
- slide_master（幻灯片母版）：母版可定义主题样式基准。
- slide_layouts（模版）：创建幻灯片时可选择的模版。
- shape（形状）：包含一切可视元素，通过slide.shapes可访问slide内元素。
- placeholder（占位符）：在模板中占据位置，如图片、文字等。
- paragraph（段落）：文本段，可以直接设置整段文本样式。
- text（文本）：段落内的文本，通过paragraph.add_run()生成。
import pathlib
from pptx import Presentation
from pptx.enum.dml import MSO_THEME_COLOR
from pptx.util import Inches, Pt
path = list(pathlib.Path.cwd().parents)[1].joinpath('data/automate/005ppt')
out_path = path.joinpath('005ppt_basic.pptx')
prs = Presentation()
# 查看所有布局
for lo in prs.slide_layouts:
print(lo.name)
# 创建标题页
title_slide_layout = prs.slide_layouts[0]
print(w, h, lo, ma)
slide = prs.slides.add_slide(title_slide_layout)
title = slide.shapes.title
subtitle = slide.placeholders[1]
title.text = '只差一个程序员了'
subtitle.text = '程一初'
# 设置背景色
fill = slide.shapes[0].fill
fill.solid()
fill.fore_color.theme_color = MSO_THEME_COLOR.ACCENT_1
fill.fore_color.brightness = -0.25
# 创建第一页内容
bullet_slide_layout = prs.slide_layouts[1]
slide = prs.slides.add_slide(bullet_slide_layout)
shapes = slide.shapes
title_shape = shapes.title
body_shape = shapes.placeholders[1]
title_shape.text = 'Python1024'
tf = body_shape.text_frame
tf.text = '第一级内容'
p = tf.add_paragraph()
p.text = '第一级段落内容'
p.level = 1
p = tf.add_paragraph()
p.text = '第二级段落内容'
p.level = 2
run = p.add_run()
# 与`python-docx`里的用法类似，但内容设置在`text`中
run.text = '自定义字体'
run.font.name = '微软雅黑'
run.font.size = Pt(25)
run.font.bold = True
print(tf.paragraphs[0].text)
# 从一个空白页开始创建内容
blank_slide_layout = prs.slide_layouts[6]
slide = prs.slides.add_slide(blank_slide_layout)
left = top = width = height = Inches(1)
txt_box = slide.shapes.add_textbox(left, top, width, height)
tf = txt_box.text_frame
tf.text = '文本框内容'
p = tf.add_paragraph()
p.text = '文本框内增加一个粗体段落'
p.font.bold = True
p = tf.add_paragraph()
p.text = '文本框内增加一个大字体段落'
p.font.size = Pt(40)
prs.save(out_path)
图片和图形
PPT中图相关元素有3类：
- picture：图像，单位是Inch
- autoshape：形状，如流程图
- chart：图表，如直方图、饼图
生成流程图
import pathlib
from pptx import Presentation
from pptx.util import Inches, Pt
from pptx.enum.shapes import MSO_SHAPE
path = list(pathlib.Path.cwd().parents)[1].joinpath('data/automate/005ppt')
out_path = path.joinpath('005ppt_image.pptx')
img_path = path.joinpath('image.jpg')
prs = Presentation()
blank_slide_layout = prs.slide_layouts[6]
slide = prs.slides.add_slide(blank_slide_layout)
# 增加两张图片，一大一小
left = top = Inches(1)
pic = slide.shapes.add_picture(str(img_path), left, top)
left = Inches(6)
height = Inches(3)
pic = slide.shapes.add_picture(str(img_path), left, top, height=height)
# 增加一个AutoShape流程图
title_only_slide_layout = prs.slide_layouts[5]
slide = prs.slides.add_slide(title_only_slide_layout)
shapes = slide.shapes
shapes.title.text = '流程图'
left = Inches(0.93) # 0.93" centers this overall set of shapes
top = Inches(3.0)
width = Inches(1.75)
height = Inches(1.0)
shape = shapes.add_shape(MSO_SHAPE.PENTAGON, left, top, width, height)
shape.text = '第一步'
left = left + width - Inches(0.4)
# 第一个形状左边平，第二个开始，左边有尖角，需要更长
width = Inches(2.0)
for n in range(2, 6):
shape = shapes.add_shape(MSO_SHAPE.CHEVRON, left, top, width, height)
shape.text = f'第{n}步'
left = left + width - Inches(0.4)
prs.save(out_path)
生成图表
import pathlib
from pptx import Presentation
from pptx.util import Inches, Pt
from pptx.chart.data import CategoryChartData
from pptx.enum.chart import XL_CHART_TYPE, XL_TICK_MARK, XL_LABEL_POSITION, XL_LEGEND_POSITION
from pptx.dml.color import RGBColor
path = list(pathlib.Path.cwd().parents)[1].joinpath('data/automate/005ppt')
out_path = path.joinpath('005ppt_chart.pptx')
prs = Presentation()
blank_slide_layout = prs.slide_layouts[6]
slide = prs.slides.add_slide(blank_slide_layout)
# 增加一个图表
chart_data = CategoryChartData()
chart_data.categories = ['A销售额', 'B销售额', 'C销售额']
chart_data.add_series('Q1销售', (100, 120, 200))
chart_data.add_series('Q2销售', (120, 150, 180))
chart_data.add_series('Q3销售', (150, 180, 120))
chart_data.add_series('Q4销售', (130, 210, 150))
x, y, cx, cy = Inches(2), Inches(2), Inches(6), Inches(4)
chart = slide.shapes.add_chart(
XL_CHART_TYPE.COLUMN_CLUSTERED, x, y, cx, cy, chart_data
).chart
# 设置图表的轴信息
category_axis = chart.category_axis
category_axis.has_major_gridlines = True
category_axis.minor_tick_mark = XL_TICK_MARK.OUTSIDE
category_axis.tick_labels.font.italic = True
category_axis.tick_labels.font.size = Pt(24)
plot = chart.plots[0] # 用Plot对象访问标签
plot.has_data_labels = True
data_labels = plot.data_labels
data_labels.font.size = Pt(13)
data_labels.font.color.rgb = RGBColor(0x0A, 0x42, 0x80)
data_labels.position = XL_LABEL_POSITION.INSIDE_END
chart.has_legend = True
chart.legend.position = XL_LEGEND_POSITION.RIGHT
chart.legend.include_in_layout = False
# 增加一个饼图
slide = prs.slides.add_slide(blank_slide_layout)
chart_data = CategoryChartData()
chart_data.categories = ['A销售额', 'B销售额', 'C销售额']
chart_data.add_series('年度销售比', (0.276, 0.365, 0.359))
chart = slide.shapes.add_chart(
XL_CHART_TYPE.PIE, x, y, cx, cy, chart_data
).chart
chart.has_legend = True
chart.legend.position = XL_LEGEND_POSITION.BOTTOM
chart.legend.include_in_layout = False
chart.plots[0].has_data_labels = True
data_labels = chart.plots[0].data_labels
data_labels.number_format = '0%'
data_labels.position = XL_LABEL_POSITION.OUTSIDE_END
prs.save(out_path)
注意，关于图形类的处理，python-pptx模块暂不支持下面两种场景：
SmartArt，微软并没有公开发布过其标准格式，目前只有PowerPoint软件具备这个功能。- PPT文件按页导出成图片，这也是PowerPoint软件功能，在Windows上可以借助
win32com等模块调用PPT软件功能实现。
生成数据表格
PPT中也可以插入表格，只不过表格功能非常有限，仅用于展示。
在自动生成PPT时，有时候需要把外部数据复制到PPT内，可以读取数据后在PPT中插入表格。
比如：
import pathlib
from pptx import Presentation
from pptx.util import Inches
path = list(pathlib.Path.cwd().parents)[1].joinpath('data/automate/005ppt')
out_path = path.joinpath('005ppt_table.pptx')
prs = Presentation()
title_only_slide_layout = prs.slide_layouts[5]
slide = prs.slides.add_slide(title_only_slide_layout)
shapes = slide.shapes
shapes.title.text = '表格数据'
rows, cols = 5, 4
left = top = Inches(2.0)
width = Inches(6.0)
height = Inches(0.8)
table = shapes.add_table(rows, cols, left, top, width, height).table
data = [
('季度', 'A销售', 'B销售', 'C销售'), # 表头
('Q1', 100, 120, 200),
('Q2', 120, 150, 180),
('Q3', 150, 180, 120),
('Q4', 130, 210, 150),
]
for col in table.columns:
col.width = Inches(1.6)
table.columns[0].width = Inches(1.0)
for i, d in enumerate(data):
for j in range(4):
table.cell(i, j).text = str(data[i][j])
prs.save(out_path)
导出素材和数据
导出图片和幻灯片备注
之前说过，想提取docx、xlsx、pptx文件里的图片素材，可以先把文件解压缩，然后到对应目录查看图片。其中pptx文件解压后，图片在ppt/media文件夹内。
当然，也可以通过Python自动导出。
import pathlib
from pptx import Presentation
from pptx.util import Inches, Pt
from pptx.enum.shapes import MSO_SHAPE_TYPE
# 借用openpyxl的单位转换
from openpyxl.utils.units import EMU_to_pixels as e2p
path = list(pathlib.Path.cwd().parents)[1].joinpath('data/automate/005ppt')
img_out_path = path.joinpath('005ppt_out_images')
txt_out_path = path.joinpath('005ppt_notes.txt')
in_path = path.joinpath('input_covid19.pptx')
prs = Presentation(in_path)
# EMU单位，1 Pixel = 9525 EMU
w, h = prs.slide_width, prs.slide_height
print(f'总共 {len(prs.slides)} 页，页宽 {e2p(w)} px，页高 {e2p(h)} px')
cnt_img, txt_list = 0, []
for i, slide in enumerate(prs.slides):
# 提取notes
notes_slide = slide.notes_slide
text_frame = notes_slide.notes_text_frame
txt_list.append(f'第 {i} 页:')
txt_list.append(text_frame.text)
# 提取图片
for s in slide.shapes:
if s.shape_type == MSO_SHAPE_TYPE.PICTURE:
img = s.image
cnt_img += 1
ext = img.content_type.split('/')[1]
f_out_path = img_out_path.joinpath(f'{cnt_img}.{ext}')
with open(f_out_path, 'wb') as f:
f.write(img.blob)
print(f'总导出 {cnt_img} 张图片.')
with open(txt_out_path, 'w') as txt_fout:
txt_fout.write('\n'.join(txt_list))
导出表格和及图表中的数据
从上面导出图片的过程可以看到，想要导出一个元素，关键是识别出它的类型。
所以，导出表格和图表的关键在于：识别出table和chart。
另外，有2个注意点:
table的数据可以直接获取，但注意python-pptx中表格索引从0开始（openpyxl从1开始）chart的数据在其内部，需要通过plots.categories提取
import pathlib
from pptx import Presentation
from pptx.chart.data import CategoryChartData
from pptx.util import Inches, Pt
from pptx.enum.shapes import MSO_SHAPE_TYPE
from openpyxl.utils.units import EMU_to_pixels as e2p
from openpyxl import Workbook
path = list(pathlib.Path.cwd().parents)[1].joinpath('data/automate/005ppt')
table_out_path = path.joinpath('005ppt_out_tables.xlsx')
chart_data_out_path = path.joinpath('005ppt_out_chart_data.xlsx')
chart_out_path = path.joinpath('005ppt_out_charts')
in_path = path.joinpath('input_table.pptx')
prs = Presentation(in_path)
# EMU单位，1 Pixel = 9525 EMU
w, h = prs.slide_width, prs.slide_height
print(f'总共 {len(prs.slides)} 页，页宽 {e2p(w)} px，页高 {e2p(h)} px')
cnt_tables, cnt_charts = 0, 0
xlsx_wb = Workbook()
chart_wb = Workbook()
for i, slide in enumerate(prs.slides, start=1):
for j, s in enumerate(slide.shapes, start=1):
if s.shape_type == MSO_SHAPE_TYPE.TABLE and s.has_table:
cnt_tables += 1
tbl = s.table
cnt_row, cnt_col = len(tbl.rows), len(tbl.columns)
print(f'增加表格 {cnt_tables}: {cnt_row} x {cnt_col}')
ws = xlsx_wb.create_sheet(f'{cnt_tables}_page_{i}')
for r in range(cnt_row):
for c in range(cnt_col):
cell = tbl.cell(r,c)
text_runs = []
for paragraph in cell.text_frame.paragraphs:
for run in paragraph.runs:
text_runs.append(run.text)
ws.cell(row=r+1, column=c+1, value=''.join(text_runs))
elif s.shape_type == MSO_SHAPE_TYPE.CHART:
chart = s.chart
cnt_charts += 1
# 导出Chart的数据到表格
data = chart.series
# for plot in chart.plots:
# cat = list(plot.categories)
cat = list(chart.plots[0].categories) # 假设1个图表
if len(data) > 0:
ws = chart_wb.create_sheet(f'{cnt_charts}_page_{i}')
print(f'增加Chart数据 {cnt_charts}: {len(data)}行， {len(cat)} 列')
cat = ['标签'] + cat
ws.append(cat)
for d in data:
values = [d.name] + list(d.values)
ws.append(values)
xlsx_wb.save(table_out_path)
chart_wb.save(chart_data_out_path)
总结
本文重点介绍了python-pptx的使用方法，包括基本文件读写、图形图像处理，以及表格图表内部数据的抽取等。
虽然PPT能装载的数据有限，但它的表达能力丰富，关键是看怎样应用。不同的配色、布局、形状、内容，会产生完全不同的效果。
最后，可以尝试下用PPT制作海报卡片，在PPT中批量生成slide是件容易的事，再打开软件导出图片即可。比如把豆瓣上的高分电影，随机配上金句文案：
顺便再生成一个电影评分榜。
到此这篇关于Python处理PPT文件的文章就介绍到这了,更多相关Python处理PPT文件内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！