前言
本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理。
PS:如有需要Python学习资料的小伙伴可以加点击下方链接自行获取
大家好,又到了Python办公自动化系列。
在之前的自动化系列文章中,我们分别讲过如何使用Python将Word中表格信息批量提取至Excel和多个Excel表格汇总至Word,今天继续讲解如何将文字从PPT中提取出来并写入Word,主要将涉及如何使用python-pptx
和python-docx
交互操作word和ppt文件!
本文依旧来源于真实的办公自动化需求!
一、需求说明
有一份如图所示的ppt,包含了Python的介绍。现在需要将PPT中的文字都提取出来并写入Word中,如下图
二、涉及知识
代码实际上非常简单,基于python-pptx和python-docx两个模块即可,核心代码只有6行。但需要先熟悉PPT和Word两种文件的格式,可通过下面的图解对Word结构有个直观认识
不考虑表格图片等情况,一个纯文字组成的Word文档由文档document-段落paragraph-文字块run三级结构组成。再看一下ppt结构组成,会较Word复杂许多。当然这也跟PPT的高度自定义拓展性有关
简单来说,一个PPT文件为presentation,基本的结构为展示文件presentation-幻灯片页slide-形状shape组成,形状就需要区分开,是包含文本的形状还是不包含文本的形状(纯图片等)。如果是包含文本的形状,则可以获取内部的文本框,一个文本框又可以看作是一个小的word文档,包含段落paragraph-文字块run
有了以上的知识铺垫就可以写代码了。
三、Python实现
首先导入需要的模块
from pptx import Presentation
from docx import Document
需要注意的是,安装的时候是python-docx和python-pptx,但实际运用都是pptx和docx。两个模块的相似点如下:
- 安装名和导入名不同
- 安装名为 python-新版本后缀名,导入名为新版本后缀名
现在导入pptx文件,创建Word文件
wordfile = Document()
# 给定ppt文件所在的路径
filepath = r'xxxxxxxx'
pptx = Presentation(filepath)
接着遍历ppt,将文字写入word
# 遍历ppt文件的所有幻灯片页
for slide in pptx.slides:
# 遍历幻灯片页的所有形状
for shape in slide.shapes:
# 判断形状是否含有文本框,如果含有则顺序运行代码
if shape.has_text_frame:
# 获取文本框
text_frame = shape.text_frame
# 遍历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写入word中
wordfile.add_paragraph(paragraph.text)
遍历ppt到段落就写入Word,而非遍历到底直到文字块才写入,因为段落更符合阅读习惯,一般遍历到文字块是需要对特定的字段词块进行操作才进行,最后记得保存Word文件
save_path = r'xxxxxxxx'
wordfile.save(save_path)
小结
这是经过一定改编的真实案例,可见Python自动化办公确实能够帮助我们解放自己的双手,不过在写自动化脚本之前也要掌握原理,明确思路再进行!如果对本文的代码和数据感兴趣可以在后台回复自动化获取,最后还是希望大家能够理解Python办公自动化的一个核心就是批量操作-解放双手,让复杂的工作自动化!