python识别ppt文件格式 ——（专栏：基于python编写简单office阅卷程序③）

● 研二在读学生，非工科非计算机专业，故代码简陋初级勿喷，本文仅为记录和快乐分享。
○ 感谢肯定，感谢点赞收藏分享，转载请注明本页出处即可。 ____Ⓙ即刻@王昭没有君

本文仅为笔者摸索总结-欢迎订正补充交流讨论-

❤python识别ppt文件格式 ——（专栏：基于python编写简单office阅卷程序③）

————————

一、整体思路：

🍒1. 使用python第三方库pptx识别尽可能多的excel格式；（更简单方便）

• 使用 dir() 查看当级存在的属性或下级对象（不含双下划线__的）
• 使用 (.属性）试图调用查看属性，或（.对象）进入下级对象

🍒2. 将.pptx转为.xml格式文件，读取标签，补充识别pptx库无法识别的格式；

• 解压ppt.pptx文件为xml文件（不止一个，有好几个文件夹）
• 找到相应的属性在xml文件中的存储标签名和层级
• 使用（层级.tag）（层级.attrib）(层级.text) 试图取出该属性

🍒3. office有个懒惰且简洁的规则是，很多默认属性和格式，若该文档中作者未修改默认格式或属性，则在xml文件中该属性或格式的标签不存在 ，则在用python抽取该格式或属性时，返回值为None或空，有时还会提示不存在而报错。例如：

• 默认字体为等线（有的版本是宋体）
• 默认字号28磅（也可能因版本不同而差异）
• 默认无主题背景等
  而在修改了这些格式后，该属性标签会存储在.pptx和.xml文件中。又不像是完全的日志文件。

————————

二、使用python库情况

此处均为笔者编写阅卷程序用到的，若只识别ppt格式，并不需要以下全部：

import xlrd										# 读取excel文件,主要是获取名单和创建地址用
import openpyxl									# 登成绩进excel用
import os										# 使用文件路径等
import xml.etree.ElementTree as ET				# 读取xml文件
import pptx										# 读取ppt文件

除此之外，在解压转为xml文件时还用到以下库：

import os										# 因笔者分开写的解压程序，解压也用到os库
import xlrd										# 因笔者分开写的解压程序，解压也用到xlrd库,主要是获取名单和创建地址用
import shutil									# 删除配置文件
import zipfile
# 解压word（.docx）、excel(.xlsx)、ppt(.pptx)文件成为.xml格式文件

————————

三、openpyxl库识别表格文件结构：

• [ ]pptx：
  • [ ]slides[序号]：
    • shapes[序号]：
      • text_frame：
        • paragraphs[序号]
          • runs[序号]
      • charts
      • tables

🍍1.读取ppt文件：pptx.Presentation ( ’ 文件地址 ’ )

ppt_file = pptx.Presentation(r"F:\测试\ppt.pptx")

（1）使用 dir(ppt_file) 查看当级存在的属性或下级对象（不含双下划线__的）；

🍍2.读取幻灯片：ppt_file.slides[序号]

ppt_1 = ppt_file.slides[0] 								# 第一张幻灯片

（1）使用 dir(ppt_1) 查看当级存在的属性或下级对象（不含双下划线__的）；
（2）有关幻灯片的属性基本都在slides部分里；
（3）slides部分属性包括但不仅限于：

 - 幻灯片总张数 ：len(self.pptx.slides)    				#后不加[序号]
 - 幻灯片版式 ：ppt_1.slide_layout.name
 - 幻灯片中形状：ppt_1.shapes[序号]
 - 母版属性貌似是ppt_1.slide_layout.name？ 没调出来

🍍3.读取形状内容：ppt_1.shapes[序号]

shape_1 = ppt_1.shapes[0]									# 第一个形状

（1）使用 dir(shape_1) 查看当级存在的属性或下级对象（不含双下划线__的）；

（2）shapes部分属性包括但不仅限于：

 - 形状类型 ：shape_1.shape_type   								#

————①如果shape_1是一个文本框、艺术字等纯文字形状：

 - 形状全部文字内容 ：shape_1.text_frame.text   					# 此处 .text_frame 可省略 
 - 段落文字内容 ：shape_1.text_frame.paragraphs[序号].text
 - 段落文字对齐方式 ：shape_1.text_frame.paragraphs[序号].text.alignment
 - 段落段前间距 ：shape_1.text_frame.paragraphs[序号].text.alignment.space_before
 - 段落段后间距 ：shape_1.text_frame.paragraphs[序号].text.alignment.space_after
 - 段落文字字体：shape_1.text_frame.paragraphs[序号].font.name
 - 段落文字字号：shape_1.text_frame.paragraphs[序号].font.size
 - 段落文字加粗：shape_1.text_frame.paragraphs[序号].font.bold 	# 布尔型

————②如果shape_1是一个图表形状：

 - 图表标题 ：shape_1.name	
 - 图表宽度 ：shape_1.width
 - 图表高度 ：shape_1.height
 - 图标系列总数量 ：len(shape_1.chart.series)
 - 图表系列数据值 ：shape_1.chart.series[序号].values
 - 图表系列名 ：shape_1.chart.series[序号].name
 - 图表标记点大小 ：shape_1.chart.series[序号].marker.size
 - 图表标记点类型 ：shape_1.chart.series[序号].marker.style
 - 图表系列数据值 ：shape_1.chart.series[序号].values

————②如果shape_1是一个表格形状：

 - 表格行数 ：len(shape_1.table.rows)
 - 表格列数 ：len(shape_1.table.columns)
 - 表格行高 ：shape_1.table.rows[序号].height
 - 表格列宽 ：shape_1.table.columns[序号].width
 - 表格内容 ：shape_1.table.cell(行,列).text
 - 表格填充类型 ：shape_1.table.cell(0,0).fill.type
 - 表格主题色 ：shape_1.table.cell(0,0).fill.theme_color
 - 表格前景色 ：shape_1.table.cell(0,0).fill.fore_color

---

pptx库里能识别到的格式并不完整，本文有提到可识别的部分格式，其余多数还是只能通过读取xml文件调取。虽然xml文件可以识别到全部格式，但使用pptx库读取更加简便，所以能不用xml就尽量不用。
然而库功能并不完全，此时需要读取.pptx文件转成的.xml文件，识别其中格式。其中最常用的格式是幻灯片切换方式。本文以识别切换方式为例。

---

————————

四、读取xml文件识别文档结构：

🍋1.文件转换

（1）最直接的方法：手工将ppt.pptx文件重命名为ppt.zip文件，再解压缩。
①原文件

②是

③解压到当前文件夹，或你选择的地方

④我们需要使用到的xml文件都在解压后的ppt文件夹里

⑤根据文件的不同，里面的xml文件数量和内容均有差异。例如笔者这个文档有图表，故该文件夹下才有charts文件夹及里面的文件。若无图表且无修改图表历史记录，则该文件夹下不含charts文件夹及里面的文件。用记事本可以简单地打开查看内容。

（2）使用代码批量转换。在CSDN上有很多代码分享，可自行查阅ppt转xml文件等关键字。此处贴笔者使用的代码，尴尬的是笔者找不到原出处了，若原作者看见本文请联系笔者填写出处或删除本部分，非常抱歉。

• 因笔者将试卷文件夹设置为学生学号，每个学号的文件夹里有三个需要读取的文件，故先读取名单中学号，以学号作为试卷地址路径的一部分，批量每个学号解压文件夹里的三个文件。

import os
import zipfile
import shutil
import xlrd

class Name_list():
    def __init__(self, file_address):
        self.file_address = file_address
    pass

    def read(self, sheet_name):
        workbook = xlrd.open_workbook(self.file_address)</