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,版权归原作者所有,如有问题请及时联系我们以作处理。
作者:多巴胺爱学习
转载:
https://mp.weixin.qq.com/s?src=11×tamp=1593237958&ver=2425&signature=LUi9wLWFlM8CTRF3o9QzN4Sr*-Lth-S3i9-NZPRZZki6GYVyWomEXLHvF*-ifTG6PIaYUitBmSWsdkkSYTN3R-2NgY2KO22ufpL07NPoF-iGZFKT33cQq7LL6JZjhBQJ&new=1mp.weixin.qq.comPS: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python免费学习资料
为什么要这么干
万事皆有缘由,以下纯属YY,不想看的可以直接忽略。
OCR文字识别已经很流行了,我们做PPT的时候经常会用文字识别软件来获得内容(好吧,我经常这么干。。。)。OCR软件在识别文字上的准确性已经比较高了,但是标点符合却差强人意,逗号、分号、冒号之类的经常会被识别为半角,这个时候就需要改了。
当然,我们可以用ppt当中的替换功能手工替换。
再当然,我们还可以用ppt的宏功能实现,使用起来更方便。只是这个宏,目前我还没写出来,写出来后再另外分享了。
本次操作环境
操作系统:win10
Python版本:3.7
使用的第三方库:python-pptx
如果没有安装第三方库的话,需要先安装下:
- Windows:pip install python-pptx
- Mac:pip3 install python-pptx
PPT科普
PPT是由许多页组成的,页叫做Slide;
每一页又包含了许多组件,像文本框、表格,这些组件叫做Shape。我们做PPT的时候,文字主要就是放在文本框或者表格中的;
文本框中的文字是以段落的形式存在的,段落叫做Paragraph;
表格是由单元格组成的,单元格叫做Cell,单元格中的文字,也是由段落组成的。如下图:
![v2-eb623a5e71a8e2638a2d14bef1c7a333_b.jpg](http://img-02.proxy.5ce.com/view/image?&type=2&guid=171dc6ab-0330-eb11-8da9-e4434bdf6706&url=https://pic4.zhimg.com/v2-eb623a5e71a8e2638a2d14bef1c7a333_b.jpg)
代码实现
代码实现的原理很简单,遍历Slide找Shape;遍历Shape找Paragraph;遍历Paragraph找run(run简单点理解就是文字块);在run中看看有没有需要替换的字符,有的话就替换了。
import
后记
用Python与ppt、word进行交互是一个比较鸡肋的想法,99%的情况下,都是闲的无聊,微软的office功能已经不要太强大了。
用Python操作excel,相比于office,在个别情况(数据量大,或者需要实现的分析步骤太多,太复杂之类的)下可能具有优势,但通常情况下也用不到。
对于普通办公需求,从实用角度来说,学好office比学什么python,R,matlab,SPSS之类的有用多了。毕竟office的强大,只有你想不到的,没有它做不到的(安装包也够大的,打开之后电脑风扇转的哇哇哇的响)。
当然,会点Python,matlab之类的,你找工作的时候可以写在简历上。工作中真碰到坑了,也可以咬咬牙自己去填。