萬盛學電腦網

您现在的位置: 萬盛學電腦網 >> 程式設計 >  >> 網路程式設計 >> 程式語言綜合

Python 讀取 PPT 文件全部文本:win32com 自動化 Word/PowerPoint 實戰

需從 PowerPoint (.ppt/.pptx) 提取所有幻燈片文本?Windows 下 pywin32 驅動 COM 自動化 PowerPoint 應用程序是最直接、保真度最高的方案(保留格式、形狀順序)。本文提供完整腳本、關鍵 API、無 Office 環境的替代方案。

前置條件

  • Windows 系統。
  • 安裝 Microsoft PowerPoint (或完整 Office)。
  • pip install pywin32。

完整提取腳本

import win32com.client

def extract_ppt_text(ppt_path, output_txt_path):
    ppt_app = win32com.client.Dispatch('PowerPoint.Application')
    ppt_app.Visible = 1  # 可見模式便於調試,生產可設 0
    try:
        presentation = ppt_app.Presentations.Open(ppt_path)
        with open(output_txt_path, 'w', encoding='utf-8') as f:
            for i in range(1, presentation.Slides.Count + 1):
                slide = presentation.Slides(i)
                for j in range(1, slide.Shapes.Count + 1):
                    shape = slide.Shapes(j)
                    if shape.HasTextFrame:
                        text = shape.TextFrame.TextRange.Text
                        if text.strip():
                            f.write(text + '\n')
    finally:
        presentation.Close()
        ppt_app.Quit()

if __name__ == '__main__':
    extract_ppt_text(r'C:\1.ppt', r'C:\1.txt')

關鍵 COM 對象模型

常見問題與解決

  • 權限/彈窗阻塞:首次運行可能彈出「啟用宏/內容」對話框,需手動勾選「不再顯示」或用 Application.DisplayAlerts = False。
  • 進程殘留:異常時 Quit() 未執行導致 POWERPNT.EXE 殘留,建議包裝 try/finally 或用任務管理器清理。
  • 中文亂碼:輸出文件指定 encoding='utf-8',COM 內部用 Unicode 傳輸,通常無問題。
  • .pptx 支持:同樣 API 支持,無需修改代碼。

無 Office 環境替代方案

對象集合/屬性說明
ApplicationPresentationsPPT 應用程序實例
PresentationSlides, SaveAs, Close單個 .ppt 文件
SlideShapes, SlideNumber單頁幻燈片
ShapeHasTextFrame, TextFrame.TextRange.Text, Type頁面元素 (文本框、圖片、表格、SmartArt...)

進階:提取表格、備註、母版文本

# 表格文本
if shape.HasTable:
    tbl = shape.Table
    for r in range(1, tbl.Rows.Count + 1):
        for c in range(1, tbl.Columns.Count + 1):
            cell_text = tbl.Cell(r, c).Shape.TextFrame.TextRange.Text
            f.write(cell_text + '\t')
        f.write('\n')

# 備註頁
for i in range(1, presentation.Slides.Count + 1):
    notes = presentation.Slides(i).NotesPage
    if notes.Shapes.Placeholders.Count >= 2:
        notes_text = notes.Shapes.Placeholders(2).TextFrame.TextRange.Text
        f.write("[Notes] " + notes_text + '\n')

COM 自動化是 Windows 平台處理 Office 文檔的「核武器」,功能最全、還原度最高,代價是部署環境要求高。按需選擇。

copyright © 萬盛學電腦網 all rights reserved
庫支持格式優點缺點
python-pptx.pptx純 Python、無 Office 依賴、可讀寫不支持 .ppt、文本提取順序可能與視覺順序不同
unoconv / LibreOffice.ppt/.pptx轉 PDF/文本、無 Office需安裝 LibreOffice、啟動慢、佔用大
Apache Tika (Java)通用提取元數據、內容、多格式需 JVM、重量級