python实现抓取ppt中的所有文字

这段代码的作用是先从PPT文件中提取出所有的文本字符，然后以文本文件和Word文件的形式保存。具体实现步骤如下：

首先，导入 pptx 模块，读取包含PPT数据的文件，并用 Presentation() 函数读取其中的所有幻灯片。

然后，遍历每一页幻灯片，并对每个形状进行判断，看是否包含文本。如果包含，则按照段落提取出所有文本，存入列表中。

接着，创建一个空的文本文件，将列表中的所有字符串逐行写入文本文件，并通过 close() 函数关闭文件。

最后，创建一个新的Word文档对象，遍历 data 列表中的所有字符串，将它们分别添加到文档对象中的新段落中，最后通过 save() 函数保存 Word 文件。

需要注意的是，在使用 open() 函数打开文本文件时，需要指定字符编码。docx 模块可以自动处理字符编码问题，因此无需再设置。

#提取所有文本字符
from pptx import Presentation
data = []
prs = Presentation('data\制造业必修课.pptx')
for slide in prs.slides: #遍历每页PPT
    for shape in slide.shapes: #遍历PPT中的每个形状
        if shape.has_text_frame: #判断该是否包含文本，保证有文本才提取
            for paragraph in shape.text_frame.paragraphs: #按文本框中的段落提取
                data.append(paragraph.text) #提取一个段落的文本，就存到列表data中


#写入文本文件
TxtFile = open('data\制造业必修课.txt', 'w',encoding='utf-8')
for i in data:
    TxtFile.write(i+'\n') #写入并换行，以保证正确分段
TxtFile.close() #保存


#写入word文件
import docx
doc=docx.Document()#创建一个word文件对象
for i in data:
    doc.add_paragraph(i) #增加一个段落，并将列表中的一个字符串写入word文件
doc.save('data\制造业必修课.docx')#保存