### 如何使用Python提取PPT文件中的所有内容 要完成从PPT文件中提取所有信息的任务，可以利用 `python-pptx` 库来处理 PPT 文件的内容。以下是详细的说明： #### 使用 `python-pptx` 提取文本和图片 `python-pptx` 是一个强大的库，用于创建、修改以及解析 PowerPoint 文档 (`.pptx`) 的内容。它能够帮助开发者轻松访问幻灯片中的文本框、表格、图表以及其他对象。 对于提取 PPT 中的文本部分，可以通过遍历每张幻灯片及其形状（shapes），并检查是否有文本框架存在来进行操作[^1]。下面是一个完整的代码示例展示如何提取文本和保存图片： ```python import os from pptx import Presentation class Extractor: def __init__(self, input_dir, output_dir): self.input_dir = input_dir self.output_dir = output_dir def generate_image_name_part(self, file_path): base_name = os.path.basename(file_path).split('.')[0] return f"{base_name}_slide" def drill_for_images(self, shape, page_number, prefix): """递归查找形状内的图像""" if shape.shape_type == 13: # Shape type for pictures is 13 image = shape.image with open(os.path.join(self.output_dir, f'{prefix}_{page_number}_{shape.name}.png'), 'wb') as img_file: img_file.write(image.blob) def main(): extractor = Extractor(input_dir="path/to/input", output_dir="path/to/output") for eachfile in glob.glob(extractor.input_dir + os.sep + "*.pptx"): ppt = Presentation(eachfile) print(f"* Processing {eachfile}") for page, slide in enumerate(ppt.slides): text = '' for shape in slide.shapes: if shape.has_text_frame and shape.text.strip(): text += '\n' + shape.text name_prefix = extractor.generate_image_name_part(eachfile) # Collect images from shapes cur_slide_images = [] for shape in slide.shapes: try: extractor.drill_for_images(shape, page + 1, name_prefix) cur_slide_images.append(f"{name_prefix}_{page + 1}_{shape.name}.png") except Exception as e: pass # Save extracted information to CSV or other formats here... print(f"Slide {page + 1}: Text={text}, Images={','.join(cur_slide_images)}") if __name__ == "__main__": import glob main() ``` 此脚本会逐一打开指定目录下的 `.pptx` 文件，并逐页扫描其中的文本与嵌入式图片。任何发现的图片都会被导出至设定好的输出路径下[^1]。 #### 关于格式保留的问题 需要注意的是，虽然该方法能很好地捕获大部分可见的信息，但它并不完全支持保持原始布局或样式属性。例如字体大小、颜色等细节可能不会自动记录下来。如果需要更精确地还原这些特性，则需深入研究每个具体元素的相关属性设置[^3]。 另外，在某些情况下，尤其是当涉及到复杂图形或者特殊效果时，单纯依靠 `python-pptx` 可能不能满足全部需求；此时可考虑结合其他工具如 Aspose.Slides 或者第三方服务 API 来增强功能[^2]。 ---