Python處理PPT文件的實用知識點總結

更新時間：2023年04月17日 15:57:33 作者：程一初

python是一門很強大的語言,因為有著豐富的第三方庫,所以可以說Python是無所不能的,下面這篇文章主要給大家介紹了關于用Python提取PPT中圖片的相關資料,文中通過實例代碼介紹的非常詳細,需要的朋友可以參考下

前言

和Word、Excel承載數(shù)據(jù)的能力相比，PPT的應用重點在于表演。

比如一場發(fā)布會、一場演說、一次產品展示、一次客戶溝通……

正常情況下，用PowerPoint等軟件制作PPT是明智的選擇，簡單實用。

但如果需要批量或者自動化處理PPT文件時，用Python就能節(jié)省很多時間。

比如：

用PPT批量生成一些發(fā)布會風格的圖片
從大量PPT中提取表格數(shù)據(jù)
用PPT批量制作簡單動畫

處理PPT的Python庫，主要有兩類：

pywin32，調用操作系統(tǒng)上已裝好的PPT軟件。
python-pptx，根據(jù)OpenXML規(guī)范解析XML文件。

日常處理推薦使用python-pptx模塊，它基于PIL處理圖片，基于xlsxwriter處理圖表。

但如果需要批量轉換PPT文件格式，如導出成PDF，那就得用pywin32，而且只能在Windows操作系統(tǒng)上操作。

本文主要介紹python-pptx用法，模塊安裝：pip install python-pptx。

注意：python-pptx暫時還不支持SmartArt和動畫。如果需要批量生成，就得自己操作XML文件中對應內容。

基本使用

PPT中基本元素包括：

slide（幻燈片）：一個PPT由一系列slide構成。
slide_master（幻燈片母版）：母版可定義主題樣式基準。
slide_layouts（模版）：創(chuàng)建幻燈片時可選擇的模版。
shape（形狀）：包含一切可視元素，通過slide.shapes可訪問slide內元素。
placeholder（占位符）：在模板中占據(jù)位置，如圖片、文字等。
paragraph（段落）：文本段，可以直接設置整段文本樣式。
text（文本）：段落內的文本，通過paragraph.add_run()生成。

import pathlib
from pptx import Presentation
from pptx.enum.dml import MSO_THEME_COLOR
from pptx.util import Inches, Pt

path = list(pathlib.Path.cwd().parents)[1].joinpath('data/automate/005ppt')
out_path = path.joinpath('005ppt_basic.pptx')
prs = Presentation()
# 查看所有布局
for lo in prs.slide_layouts:
    print(lo.name)
# 創(chuàng)建標題頁
title_slide_layout = prs.slide_layouts[0]
print(w, h, lo, ma)
slide = prs.slides.add_slide(title_slide_layout)
title = slide.shapes.title
subtitle = slide.placeholders[1]
title.text = '只差一個程序員了'
subtitle.text = '程一初'
# 設置背景色
fill = slide.shapes[0].fill
fill.solid()
fill.fore_color.theme_color = MSO_THEME_COLOR.ACCENT_1
fill.fore_color.brightness = -0.25
# 創(chuàng)建第一頁內容
bullet_slide_layout = prs.slide_layouts[1]
slide = prs.slides.add_slide(bullet_slide_layout)
shapes = slide.shapes
title_shape = shapes.title
body_shape = shapes.placeholders[1]
title_shape.text = 'Python1024'
tf = body_shape.text_frame
tf.text = '第一級內容'
p = tf.add_paragraph()
p.text = '第一級段落內容'
p.level = 1
p = tf.add_paragraph()
p.text = '第二級段落內容'
p.level = 2
run = p.add_run()
# 與`python-docx`里的用法類似，但內容設置在`text`中
run.text = '自定義字體'
run.font.name = '微軟雅黑'
run.font.size = Pt(25)
run.font.bold = True
print(tf.paragraphs[0].text)
# 從一個空白頁開始創(chuàng)建內容
blank_slide_layout = prs.slide_layouts[6]
slide = prs.slides.add_slide(blank_slide_layout)
left = top = width = height = Inches(1)
txt_box = slide.shapes.add_textbox(left, top, width, height)
tf = txt_box.text_frame
tf.text = '文本框內容'
p = tf.add_paragraph()
p.text = '文本框內增加一個粗體段落'
p.font.bold = True
p = tf.add_paragraph()
p.text = '文本框內增加一個大字體段落'
p.font.size = Pt(40)
prs.save(out_path)

圖片和圖形

PPT中圖相關元素有3類：

picture：圖像，單位是Inch
autoshape：形狀，如流程圖
chart：圖表，如直方圖、餅圖

生成流程圖

import pathlib
from pptx import Presentation
from pptx.util import Inches, Pt
from pptx.enum.shapes import MSO_SHAPE

path = list(pathlib.Path.cwd().parents)[1].joinpath('data/automate/005ppt')
out_path = path.joinpath('005ppt_image.pptx')
img_path = path.joinpath('image.jpg')
prs = Presentation()
blank_slide_layout = prs.slide_layouts[6]
slide = prs.slides.add_slide(blank_slide_layout)
# 增加兩張圖片，一大一小
left = top = Inches(1)
pic = slide.shapes.add_picture(str(img_path), left, top)
left = Inches(6)
height = Inches(3)
pic = slide.shapes.add_picture(str(img_path), left, top, height=height)
# 增加一個AutoShape流程圖
title_only_slide_layout = prs.slide_layouts[5]
slide = prs.slides.add_slide(title_only_slide_layout)
shapes = slide.shapes
shapes.title.text = '流程圖'
left = Inches(0.93)  # 0.93" centers this overall set of shapes
top = Inches(3.0)
width = Inches(1.75)
height = Inches(1.0)
shape = shapes.add_shape(MSO_SHAPE.PENTAGON, left, top, width, height)
shape.text = '第一步'
left = left + width - Inches(0.4)
# 第一個形狀左邊平，第二個開始，左邊有尖角，需要更長
width = Inches(2.0)
for n in range(2, 6):
    shape = shapes.add_shape(MSO_SHAPE.CHEVRON, left, top, width, height)
    shape.text = f'第{n}步'
    left = left + width - Inches(0.4)
prs.save(out_path)

生成圖表

import pathlib
from pptx import Presentation
from pptx.util import Inches, Pt
from pptx.chart.data import CategoryChartData
from pptx.enum.chart import XL_CHART_TYPE, XL_TICK_MARK, XL_LABEL_POSITION, XL_LEGEND_POSITION
from pptx.dml.color import RGBColor

path = list(pathlib.Path.cwd().parents)[1].joinpath('data/automate/005ppt')
out_path = path.joinpath('005ppt_chart.pptx')
prs = Presentation()
blank_slide_layout = prs.slide_layouts[6]
slide = prs.slides.add_slide(blank_slide_layout)
# 增加一個圖表
chart_data = CategoryChartData()
chart_data.categories = ['A銷售額', 'B銷售額', 'C銷售額']
chart_data.add_series('Q1銷售', (100, 120, 200))
chart_data.add_series('Q2銷售', (120, 150, 180))
chart_data.add_series('Q3銷售', (150, 180, 120))
chart_data.add_series('Q4銷售', (130, 210, 150))
x, y, cx, cy = Inches(2), Inches(2), Inches(6), Inches(4)
chart = slide.shapes.add_chart(
    XL_CHART_TYPE.COLUMN_CLUSTERED, x, y, cx, cy, chart_data
).chart
# 設置圖表的軸信息
category_axis = chart.category_axis
category_axis.has_major_gridlines = True
category_axis.minor_tick_mark = XL_TICK_MARK.OUTSIDE
category_axis.tick_labels.font.italic = True
category_axis.tick_labels.font.size = Pt(24)
plot = chart.plots[0] # 用Plot對象訪問標簽
plot.has_data_labels = True
data_labels = plot.data_labels
data_labels.font.size = Pt(13)
data_labels.font.color.rgb = RGBColor(0x0A, 0x42, 0x80)
data_labels.position = XL_LABEL_POSITION.INSIDE_END
chart.has_legend = True
chart.legend.position = XL_LEGEND_POSITION.RIGHT
chart.legend.include_in_layout = False
# 增加一個餅圖
slide = prs.slides.add_slide(blank_slide_layout)
chart_data = CategoryChartData()
chart_data.categories = ['A銷售額', 'B銷售額', 'C銷售額']
chart_data.add_series('年度銷售比', (0.276, 0.365, 0.359))
chart = slide.shapes.add_chart(
    XL_CHART_TYPE.PIE, x, y, cx, cy, chart_data
).chart
chart.has_legend = True
chart.legend.position = XL_LEGEND_POSITION.BOTTOM
chart.legend.include_in_layout = False
chart.plots[0].has_data_labels = True
data_labels = chart.plots[0].data_labels
data_labels.number_format = '0%'
data_labels.position = XL_LABEL_POSITION.OUTSIDE_END
prs.save(out_path)

注意，關于圖形類的處理，python-pptx模塊暫不支持下面兩種場景：

SmartArt，微軟并沒有公開發(fā)布過其標準格式，目前只有PowerPoint軟件具備這個功能。
PPT文件按頁導出成圖片，這也是PowerPoint軟件功能，在Windows上可以借助win32com等模塊調用PPT軟件功能實現(xiàn)。

生成數(shù)據(jù)表格

PPT中也可以插入表格，只不過表格功能非常有限，僅用于展示。

在自動生成PPT時，有時候需要把外部數(shù)據(jù)復制到PPT內，可以讀取數(shù)據(jù)后在PPT中插入表格。

比如：

import pathlib
from pptx import Presentation
from pptx.util import Inches

path = list(pathlib.Path.cwd().parents)[1].joinpath('data/automate/005ppt')
out_path = path.joinpath('005ppt_table.pptx')
prs = Presentation()
title_only_slide_layout = prs.slide_layouts[5]
slide = prs.slides.add_slide(title_only_slide_layout)
shapes = slide.shapes
shapes.title.text = '表格數(shù)據(jù)'
rows, cols = 5, 4
left = top = Inches(2.0)
width = Inches(6.0)
height = Inches(0.8)
table = shapes.add_table(rows, cols, left, top, width, height).table
data = [
    ('季度', 'A銷售', 'B銷售', 'C銷售'), # 表頭
    ('Q1', 100, 120, 200),
    ('Q2', 120, 150, 180),
    ('Q3', 150, 180, 120),
    ('Q4', 130, 210, 150),
]
for col in table.columns:
    col.width = Inches(1.6)
table.columns[0].width = Inches(1.0)
for i, d in enumerate(data):
    for j in range(4):
        table.cell(i, j).text = str(data[i][j])
prs.save(out_path)

導出素材和數(shù)據(jù)

導出圖片和幻燈片備注

之前說過，想提取docx、xlsx、pptx文件里的圖片素材，可以先把文件解壓縮，然后到對應目錄查看圖片。其中pptx文件解壓后，圖片在ppt/media文件夾內。

當然，也可以通過Python自動導出。

import pathlib
from pptx import Presentation
from pptx.util import Inches, Pt
from pptx.enum.shapes import MSO_SHAPE_TYPE
# 借用openpyxl的單位轉換
from openpyxl.utils.units import EMU_to_pixels as e2p

path = list(pathlib.Path.cwd().parents)[1].joinpath('data/automate/005ppt')
img_out_path = path.joinpath('005ppt_out_images')
txt_out_path = path.joinpath('005ppt_notes.txt')
in_path = path.joinpath('input_covid19.pptx')
prs = Presentation(in_path)
# EMU單位，1 Pixel = 9525 EMU
w, h = prs.slide_width, prs.slide_height
print(f'總共 {len(prs.slides)} 頁，頁寬 {e2p(w)} px，頁高 {e2p(h)} px')
cnt_img, txt_list = 0, []
for i, slide in enumerate(prs.slides):
    # 提取notes
    notes_slide = slide.notes_slide
    text_frame = notes_slide.notes_text_frame
    txt_list.append(f'第 {i} 頁:')
    txt_list.append(text_frame.text)
    # 提取圖片
    for s in slide.shapes:
        if s.shape_type == MSO_SHAPE_TYPE.PICTURE:
            img = s.image
            cnt_img += 1
            ext = img.content_type.split('/')[1]
            f_out_path = img_out_path.joinpath(f'{cnt_img}.{ext}')
            with open(f_out_path, 'wb') as f:
                f.write(img.blob)
print(f'總導出 {cnt_img} 張圖片.')
with open(txt_out_path, 'w') as txt_fout:
    txt_fout.write('\n'.join(txt_list))

導出表格和及圖表中的數(shù)據(jù)

從上面導出圖片的過程可以看到，想要導出一個元素，關鍵是識別出它的類型。

所以，導出表格和圖表的關鍵在于：識別出table和chart。

另外，有2個注意點:

table的數(shù)據(jù)可以直接獲取，但注意python-pptx中表格索引從0開始（openpyxl從1開始）
chart的數(shù)據(jù)在其內部，需要通過plots.categories提取

import pathlib
from pptx import Presentation
from pptx.chart.data import CategoryChartData
from pptx.util import Inches, Pt
from pptx.enum.shapes import MSO_SHAPE_TYPE
from openpyxl.utils.units import EMU_to_pixels as e2p
from openpyxl import Workbook

path = list(pathlib.Path.cwd().parents)[1].joinpath('data/automate/005ppt')
table_out_path = path.joinpath('005ppt_out_tables.xlsx')
chart_data_out_path = path.joinpath('005ppt_out_chart_data.xlsx')
chart_out_path = path.joinpath('005ppt_out_charts')
in_path = path.joinpath('input_table.pptx')
prs = Presentation(in_path)
# EMU單位，1 Pixel = 9525 EMU
w, h = prs.slide_width, prs.slide_height
print(f'總共 {len(prs.slides)} 頁，頁寬 {e2p(w)} px，頁高 {e2p(h)} px')
cnt_tables, cnt_charts = 0, 0
xlsx_wb = Workbook()
chart_wb = Workbook()
for i, slide in enumerate(prs.slides, start=1):
    for j, s in enumerate(slide.shapes, start=1):
        if s.shape_type == MSO_SHAPE_TYPE.TABLE and s.has_table:
            cnt_tables += 1
            tbl = s.table
            cnt_row, cnt_col = len(tbl.rows), len(tbl.columns)
            print(f'增加表格 {cnt_tables}: {cnt_row} x {cnt_col}')
            ws = xlsx_wb.create_sheet(f'{cnt_tables}_page_{i}')
            for r in range(cnt_row):
                for c in range(cnt_col):
                    cell = tbl.cell(r,c)
                    text_runs = []
                    for paragraph in cell.text_frame.paragraphs:
                        for run in paragraph.runs:
                            text_runs.append(run.text)
                    ws.cell(row=r+1, column=c+1, value=''.join(text_runs))
        elif s.shape_type == MSO_SHAPE_TYPE.CHART:
            chart = s.chart
            cnt_charts += 1
            # 導出Chart的數(shù)據(jù)到表格
            data = chart.series
            # for plot in chart.plots:
            #     cat = list(plot.categories)
            cat = list(chart.plots[0].categories) # 假設1個圖表
            if len(data) > 0:
                ws = chart_wb.create_sheet(f'{cnt_charts}_page_{i}')
                print(f'增加Chart數(shù)據(jù) {cnt_charts}: {len(data)}行， {len(cat)} 列')
                cat = ['標簽'] + cat
                ws.append(cat)
                for d in data:
                    values = [d.name] + list(d.values)
                    ws.append(values)
xlsx_wb.save(table_out_path)
chart_wb.save(chart_data_out_path)