### 使用Python提取PPT中的文本框内容和表格数据 为了满足从PPT文件中提取所有文本框内容和表格数据的需求，可以继续利用 `python-pptx` 库。以下是具体的实现方法。 #### 安装依赖库 同样需要先安装 `python-pptx` 库： ```bash pip install python-pptx ``` #### 提取PPT中的文本框内容 对于文本框内容的提取，可以通过遍历每张幻灯片上的形状对象，并检查其是否包含文本帧 (`has_text_frame`) 来获取文本内容。 #### 提取PPT中的表格数据 对于表格数据的提取，可以通过检测形状对象是否为表格 (`shape.has_table`) 并进一步解析表格外形及其单元格内容来完成。 下面是完整的代码示例： ```python from pptx import Presentation def extract_text_and_tables_from_ppt(ppt_file): """从PPT文件中提取所有文本框内容和表格数据""" prs = Presentation(ppt_file) # 加载PPT文件 all_texts = [] # 存储提取到的文本框内容 all_tables = [] # 存储提取到的表格数据 for slide in prs.slides: # 遍历每一张幻灯片 # 提取文本框内容 for shape in slide.shapes: if not shape.has_text_frame: # 跳过非文本框的对象 continue text_frame = shape.text_frame paragraphs = [] for paragraph in text_frame.paragraphs: runs = [run.text for run in paragraph.runs] paragraphs.append(''.join(runs)) if ''.join(paragraphs).strip(): all_texts.extend(paragraphs) # 提取表格数据 for shape in slide.shapes: if not shape.has_table: # 跳过非表格的对象 continue table_data = [["Row " + str(row_idx), "Column " + str(col_idx), cell.text] for row_idx, row in enumerate(shape.table.rows) for col_idx, cell in enumerate(row.cells)] all_tables.append(table_data) return "\n".join(all_texts), all_tables # 示例调用 ppt_file_path = "example.pptx" # 替换为实际的PPT文件路径 texts, tables = extract_text_and_tables_from_ppt(ppt_file_path) print("Extracted Texts:") print(texts) if tables: print("\nExtracted Tables:") for idx, table in enumerate(tables): print(f"\nTable {idx + 1}:") for row in table: print('\t'.join(row)) # 列之间用制表符分隔显示 else: print("\nNo tables found.") ``` 上述代码不仅提取了普通的文本框内容，还针对每个发现的表格进行了深入的数据抓取[^1]。注意这里的逻辑区分了两种类型的形状——一种用于存储自由格式的文字输入（即文本框），另一种则是专门设计用来容纳行列结构化信息的地方（也就是所谓的“表格”）[^3]。 --- ###