python批量提取word指定内容_[Python] 自動化辦公 将ppt内的文字提取至word中

轉載請注明：陳熹 [email protected] （簡書号：半為花間酒）

若公衆号内轉載請聯系公衆号：早起Python

本例可以學到的知識點： python-pptx和python-docx互動操作word和ppt檔案

今天将會學習一個實用辦公小技巧：将文字從ppt中提取出來并寫入word

一、需求描述：

有一份如圖所示的ppt，包含了Python的介紹。現在需要将ppt中的文字都提取出來并寫入word中，如下圖：

二、涉及知識

代碼實際上非常簡單，基于python-pptx和python-docx兩個子產品即可，核心代碼隻有6行

但需要先熟悉ppt和word兩種檔案的格式，可通過下面的圖解對word結構有個直覺認識

不考慮表格圖檔等情況，一個純文字組成的word文檔由文檔 document - 段落 paragraph - 文字塊 run三級結構組成

再看一下ppt結構組成，會較word複雜許多。當然這也跟ppt的高度自定義拓展性有關

簡單來說，一個PPT檔案為presentation，基本的結構為展示檔案 presentation - 幻燈片頁 slide - 形狀 shape組成，形狀就需要區分開，是包含文本的形狀還是不包含文本的形狀（純圖檔等）。如果是包含文本的形狀，則可以擷取内部的文本框，一個文本框又可以看作是一個小的word文檔，包含段落 paragraph - 文字塊 run

有了以上的知識鋪墊就可以寫代碼了

三、代碼實作

導入需要的子產品

from pptx import Presentation

from docx import Document

注意，安裝的時候是python-docx和python-pptx，但實際運用都是pptx和docx

兩個子產品的相似點：

安裝名和導入名不同

安裝名為 python-新版本字尾名 導入名為新版本字尾名

導入pptx檔案，建立word檔案

wordfile = Document()

# 給定ppt檔案所在的路徑

filepath = r'xxxxxxxx'

pptx = Presentation(filepath)

周遊ppt，将文字寫入word

# 周遊ppt檔案的所有幻燈片頁

for slide in pptx.slides:

# 周遊幻燈片頁的所有形狀

for shape in slide.shapes:

# 判斷形狀是否含有文本框，如果含有則順序運作代碼

if shape.has_text_frame:

# 擷取文本框

text_frame = shape.text_frame

# 周遊文本框中的所有段落

for paragraph in text_frame.paragraphs:

# 将文本框中的段落文字寫入word中

wordfile.add_paragraph(paragraph.text)

周遊ppt到段落就寫入word，而非周遊到底直到文字塊才寫入，因為段落更符合閱讀習慣，一般周遊到文字塊是需要對特定的字段詞塊進行操作才進行

最後記得儲存word檔案

save_path = r'xxxxxxxx'

wordfile.save(save_path)