Python实现批量提取PPT中的文字

介绍

• 本文将介绍如何使用pptx和docx库来将PPT中的文字提取到Word中。
• 本文假设你已经安装了python和这两个库。
• 本文的场景是：你需要将一个PPT文件中的所有文字内容提取出来，并按照原来的格式和顺序写入到一个Word文档中。

准备工作

首先，我们需要导入pptx和docx库，以及其他一些辅助库，如下：

import pptx
from docx import Document
from docx.shared import Pt
import os

这些库的作用是：

• pptx库可以让我们读取和修改PPT文件的内容和格式。
• docx库可以让我们创建和编辑Word文档的内容和格式。
• Pt是一个辅助函数，可以将字号转换为磅（point）单位，方便我们设置字体大小。
• os库可以让我们操作文件系统，例如创建目录，保存文件等。

然后，我们需要定义一些常量，如文件名，字体，颜色等，如下：

# 文件名
PPT_FILE = 'source.pptx'
WORD_FILE = 'output.docx'

# 字体
FONT_NAME = '宋体'
FONT_SIZE = 12

这些常量的作用是：

• PPT_FILE是我们要提取文字的PPT文件的名称，你可以根据你自己的文件名进行修改。
• WORD_FILE是我们要写入文字的Word文档的名称，你可以根据你自己的喜好进行修改。
• FONT_NAME是我们要使用的字体的名称，你可以根据你自己的喜好进行修改。
• FONT_SIZE是我们要使用的字体的大小，你可以根据你自己的喜好进行修改。

接下来，我们需要加载PPT文件和创建Word文档对象，如下：

# 加载PPT文件
prs = pptx.Presentation(PPT_FILE)

# 创建Word文档对象
doc = Document()

这些代码的作用是：

• prs = pptx.Presentation(PPT_FILE)是用pptx库的Presentation类来创建一个PPT文件的对象，我们可以通过这个对象来访问和修改PPT文件的内容和格式。
• doc = Document()是用docx库的Document类来创建一个空白的Word文档的对象，我们可以通过这个对象来添加和编辑Word文档的内容和格式。

提取PPT文字

首先，我们需要遍历PPT文件中的每一个幻灯片，如下：

# 遍历PPT文件中的每一个幻灯片
for slide in prs.slides:
    # 在此处添加代码

这段代码的作用是：

for slide in prs.slides:是用一个for循环来遍历PPT文件对象prs中的每一个幻灯片对象slide，我们可以通过这个对象来访问和修改幻灯片的内容和格式。

然后，我们需要遍历每一个幻灯片中的每一个形状，判断是否是包含文本的形状，如果是，就获取其内部的文本框对象，如下：

# 遍历每一个幻灯片中的每一个形状
for shape in slide.shapes:
    # 判断是否是包含文本的形状
    if shape.has_text_frame:
        # 获取其内部的文本框对象
        text_frame = shape.text_frame
        # 在此处添加代码

最后，我们需要遍历每一个文本框中的每一个段落，获取其文本内容和格式，然后将其写入到Word文档中，如下：

# 遍历每一个文本框中的每一个段落
for paragraph in text_frame.paragraphs:
    # 获取其文本内容和格式
    text = paragraph.text
    font = paragraph.font
    # 将其写入到Word文档中
    doc.add_paragraph(text, style=font)

保存Word文档

最后，我们需要保存生成的Word文档，如下：

# 保存生成的Word文档
doc.save(WORD_FILE)

这段代码的作用是：

doc.save(WORD_FILE)是用Word文档对象doc的save方法来保存生成的Word文档，参数WORD_FILE是我们定义的Word文档的名称，你可以在你的电脑上找到这个文件。

总结

本文介绍了如何使用python-pptx和python-docx库来将PPT中的文字提取到Word中。

本文通过一个实际的场景，演示了如何遍历PPT文件中的每一个幻灯片，每一个形状，每一个文本框，每一个段落，获取其文本内容和格式，然后将其写入到Word文档中。

到此这篇关于Python实现批量提取PPT中的文字的文章就介绍到这了,更多相关Python提取PPT文字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！