网上学编程哪个培训班最好西安seo服务商
引言
PowerPoint(PPT)文件的自动化处理是办公自动化和数据提取的常见需求。本文将介绍如何通过Python的python-pptx
库,将PPT文件的样式、结构、文本内容等信息解析为标准化的JSON格式,为后续的自动化处理、数据迁移或样式复用提供基础。
核心代码解析
1. 颜色转换函数:rgb_to_hex
将RGB颜色值(如(255, 0, 0)
)转换为十六进制字符串(如#FF0000
)。
当前代码存在缺陷:原函数直接返回RGB元组,而非十六进制字符串。以下是修正后的实现:
def rgb_to_hex(rgb):"""将 RGB 颜色转换为十六进制字符串(如 #FF0000)"""if rgb is None:return Nonereturn f"#{rgb[0]:02X}{rgb[1]:02X}{rgb[2]:02X}"
2. 解析单个形状:parse_shape
提取形状的类型、位置、样式、文本内容等信息,支持文本框、表格、图片等类型。
关键步骤:
- 基础属性:形状类型(如
MSO_SHAPE_TYPE.TEXT_BOX
)、位置(left
,top
)、尺寸(width
,height
)。 - 填充样式:颜色类型(纯色/渐变)、颜色值(十六进制)。
- 边框样式:颜色、线宽、虚线类型(如
MSO_LINE_DASH_STYLE.DASH
)。 - 文本样式:段落对齐、字体名称、大小、加粗/斜体、颜色。
- 特殊处理:
- 表格:解析行、列及单元格内容。
- 图片:记录尺寸信息。
示例输出(文本框):
{"type": 1, // MSO_SHAPE_TYPE.TEXT_BOX"name": "Text Box 1","text": "Hello World","fill": {"type": "MSO_FILL.SOLID","color": "#FF0000"},"line": {"color": "#000000","width": 12700, // EMU单位"dash_style": "MSO_LINE_DASH_STYLE.SOLID"},"text_style": {"paragraphs": [{"text": "Hello World","runs": [{"text": "Hello World","font": {"name": "Arial","size": 24,"bold": false,"color": "#000000"}}]}]}
}
3. 解析整个PPT:parse_presentation
遍历PPT的每一页和每个形状,调用parse_shape
生成结构化数据。
示例输出(JSON片段):
{"slides": [{"slide_number": 254, // PPT内部ID"shapes": [{"type_name": "MSO_SHAPE_TYPE.TABLE","table": [[{"text": "Header 1", "row_span": 1, "col_span": 1},{"text": "Header 2", "row_span": 1, "col_span": 1}],[{"text": "Row 1", "row_span": 1, "col_span": 1},{"text": "Data", "row_span": 1, "col_span": 1}]]}]}]
}
4. 保存为JSON:save_to_json
将解析结果以可读格式保存为文件。
def save_to_json(data, output_path):with open(output_path, "w", encoding="utf-8") as f:json.dump(data, f, indent=4, ensure_ascii=False)
使用示例
1. 安装依赖
pip install python-pptx
2. 运行代码
if __name__ == "__main__":input_pptx = "template.pptx" # 输入PPT路径output_json = "presentation_info.json" # 输出JSON路径parsed_data = parse_presentation(input_pptx)save_to_json(parsed_data, output_json)
3. 输出JSON结构
{"slides": [{"slide_number": 254,"shapes": [{"type": 1,"name": "Text Box 1","text": "Sample Text","fill": {"type": "MSO_FILL.BACKGROUND", "color": null},"line": {"color": null, "width": 0, "dash_style": null},"text_style": {"paragraphs": [{"text": "Sample Text","runs": [{"text": "Sample Text","font": {"name": "Calibri","size": 11,"bold": false,"color": "#000000"}}]}]}}]}]
}
核心功能与适用场景
1. 支持的形状类型
类型名称 | 对应值 | 描述 |
---|---|---|
MSO_SHAPE_TYPE.TEXT_BOX | 1 | 文本框 |
MSO_SHAPE_TYPE.TABLE | 19 | 表格 |
MSO_SHAPE_TYPE.PICTURE | 17 | 图片 |
其他形状 | 根据MSO枚举 | 形状、线条等 |
2. 典型应用场景
- 样式复用:提取模板样式,批量生成符合规范的PPT。
- 数据迁移:将PPT内容导出为JSON,用于数据分析或内容管理。
- 自动化生成:结合JSON数据,动态生成PPT(需反向实现
apply
功能)。
注意事项
-
单位转换:
- PPT中的尺寸单位为EMU(English Metric Unit),可通过
shape.width/9525
转换为像素(1 EMU ≈ 0.01像素)。
- PPT中的尺寸单位为EMU(English Metric Unit),可通过
-
异常处理:
- 部分形状可能无文本框(如图片),需通过
shape.has_text_frame
判断。 - 颜色值可能为
None
(如填充为透明色),需设置默认值。
- 部分形状可能无文本框(如图片),需通过
-
扩展建议:
- 支持更多样式:如阴影、3D效果。
- 反向生成PPT:根据JSON数据重建PPT文件。
总结
通过本文的代码和解析,开发者可以快速实现PPT文件的自动化解析与数据提取。无论是学术研究、企业报告自动化,还是结合LLM生成内容,这一工具链都能提供强大的基础支持。下一步,你可以尝试:
- 结合LLM生成内容:用GPT生成文本后,填充到JSON的
text
字段。 - 可视化样式:将JSON数据渲染为网页或图表,用于PPT设计预览。
通过Python和JSON的结合,PPT的自动化处理从未如此简单!
import json
from pptx import Presentation
from pptx.enum.shapes import MSO_SHAPE_TYPE
from pptx.enum.text import PP_ALIGN
from pptx.enum.dml import MSO_FILL, MSO_LINE_DASH_STYLEdef rgb_to_hex(rgb):"""将 RGB 颜色转换为十六进制字符串(如 #FF0000)"""if rgb is None:return Nonereturn (rgb[0], rgb[1], rgb[2])def parse_shape(shape):"""解析单个 Shape 的信息"""data = {"type": shape.shape_type,"type_name": str(MSO_SHAPE_TYPE(shape.shape_type)),"name": shape.name,"left": shape.left,"top": shape.top,"width": shape.width,"height": shape.height,"rotation": shape.rotation,"text": "","fill": {},"line": {},"text_style": {}}# 解析填充样式fill = shape.filltry:data["fill"] = {"type": str(MSO_FILL(fill.type)),"color": rgb_to_hex(fill.fore_color.rgb) if fill.fore_color else None}except:data["fill"] = {"type": str(MSO_FILL(fill.type)),"color": None}# 解析边框样式line = shape.line# try:data["line"] = {"color": rgb_to_hex(line.color.rgb) if line.color.type else None,"width": line.width,"dash_style": str(MSO_LINE_DASH_STYLE(line.dash_style)) if line.dash_style else None}# except:# print()# 解析文本样式(如果存在文本框)if shape.has_text_frame:text_frame = shape.text_frameparagraphs = []for paragraph in text_frame.paragraphs:runs = []for run in paragraph.runs:run_data = {"text": run.text,"font": {"name": run.font.name,"size": run.font.size.pt,"bold": run.font.bold,"italic": run.font.italic,"color": rgb_to_hex(run.font.color.rgb)}}runs.append(run_data)paragraph_data = {"text": paragraph.text,"runs": runs,"level": paragraph.level,"alignment": str(PP_ALIGN(paragraph.alignment)) if paragraph.alignment else None}paragraphs.append(paragraph_data)data["text_style"] = {"paragraphs": paragraphs}data["text"] = text_frame.text# 处理表格if shape.shape_type == MSO_SHAPE_TYPE.TABLE:table = shape.tablerows = []for row in table.rows:cells = []for cell in row.cells:cell_data = {"text": cell.text.strip(),"row_span": cell.row_span,"col_span": cell.col_span}cells.append(cell_data)rows.append(cells)data["table"] = rows# 处理图片if shape.shape_type == MSO_SHAPE_TYPE.PICTURE:data["image"] = {"width": shape.width,"height": shape.height}return datadef parse_presentation(pptx_path):"""解析整个 PPT 文件并返回 JSON 结构"""prs = Presentation(pptx_path)presentation_data = {"slides": []}for slide_idx, slide in enumerate(prs.slides):slide_data = {"slide_number": slide.slide_id,"shapes": []}for shape in slide.shapes:shape_data = parse_shape(shape)slide_data["shapes"].append(shape_data)presentation_data["slides"].append(slide_data)return presentation_datadef save_to_json(data, output_path):"""将解析后的数据保存为 JSON 文件"""with open(output_path, "w", encoding="utf-8") as f:json.dump(data, f, indent=4, ensure_ascii=False)# 使用示例
if __name__ == "__main__":input_pptx = "template.pptx" # 输入的 PPT 文件路径output_json = "presentation_info.json" # 输出的 JSON 文件路径# 解析 PPTparsed_data = parse_presentation(input_pptx)# 保存为 JSONsave_to_json(parsed_data, output_json)