高效率复习|自动提取PPT文字整理笔记

今天来学习如何自动读取PPT中的文字并保存到Word中

首先，了解PPT的构架是如何的

将 PPT 中的结构按照层级关系来排列是这样的：

幻灯片页 -> 形状 -> 文本框 -> 段落 -> 样式块

了解了 PPT 文件的基础结构后，接下来就要使用 Python 读取内容。

首先，我们要安装 python-pptx 模块，它可以读取和修改 .pptx 文件，不支持 .ppt 文件。

通过代码
pip install python-pptx 在终端上进行安装。

如果在自己电脑上安装不上或安装缓慢，可在命令后添加

pip install python-pptx -i https://pypi.tuna.tsinghua.edu.cn/simple/

然后，输入以下代码

# 使用from...import从pptx模块中导入Presentation
from pptx import Presentation
# 使用import导入docx
import docx

# 新建一个空白Word文档，赋值给变量docxFile
docxFile = docx.Document()

# 将.pptx文件路径赋值给变量path
path = r"D:\001studymaterial\statistics.pptx"
# 读取path并赋值给变量pptxFile
pptxFile = Presentation(path)

# TODO 将变量n设置为1
n = 1

# for循环遍历pptxFile中的.slides属性，赋值给slide
for slide in pptxFile.slides:
    
    # TODO 向文档中添加标题f"第{n}页"，为二级标题
    docxFile.add_heading(f"第{n}页",level=2)

    # for循环遍历slide中.shapes属性，赋值给变量shape
    for shape in slide.shapes:
        # 判断形状中是否有文本框
        if shape.has_text_frame == True:
            # 读取形状中的文本框，并赋值给变量textFrame
            textFrame = shape.text_frame
        
            # for循环遍历文本框内的所有段落
            # 赋值给变量paragraph
            for paragraph in textFrame.paragraphs:
                # for循环遍历段落中的所有样式块
                # 赋值给变量run
                for run in paragraph.runs:
                    # 读取样式块中的文本内容
                    texts = run.text
                    # 向Word文档中添加段落texts的文本内容
                    docxFile.add_paragraph(texts)

    # TODO 将变量n进行累加
    n = n+1

# 保存文档到指定路径，并命名为"资料.docx"
docxFile.save(r"D:\001studymaterial\stata.docx")

真不错，学会了这段代码，以后看PPT都是别人的两倍速啦！