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
| 對象 | 集合/屬性 | 說明 |
| Application | Presentations | PPT 應用程序實例 |
| Presentation | Slides, SaveAs, Close | 單個 .ppt 文件 |
| Slide | Shapes, SlideNumber | 單頁幻燈片 |
| Shape | HasTextFrame, TextFrame.TextRange.Text, Type | 頁面元素 (文本框、圖片、表格、SmartArt...) |
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
| 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 |
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