代码收藏家 Python-PPTX库深度解析：PPT内容逐层探究与实战技巧详解
思维导图结构
PPTX 文件结构解析（以 `prs.slides[0]` 为例）
├── Presentation (prs)
│ ├── slides → 获取所有幻灯片列表
│ │ └── Slide (每一页幻灯片)
│ │ ├── shapes → 获取幻灯片中的所有形状（文本框、图片、表格等）
│ │ │ └── Shape (每个形状对象)
│ │ │ ├── text_frame → 获取文本框内容（如果存在）
│ │ │ │ └── TextFrame → 包含文本段落和段落格式
│ │ │ │ ├── paragraphs → 文本段落列表
│ │ │ │ │ └── Paragraph → 段落内容、格式
│ │ │ │ │ ├── text → 文本内容
│ │ │ │ │ └── font → 字体属性（颜色、大小等）
│ │ │ ├── table → 获取表格内容（如果存在）
│ │ │ │ └── Table → 表格行、列数据
│ │ │ │ ├── rows → 表格行
│ │ │ │ └── columns → 表格列
│ │ │ ├── image → 获取图片内容（如果存在）
│ │ │ │ └── Image → 图片二进制数据、格式等
│ │ │ └── placeholder → 获取占位符（标题、内容区域等）
│ │ │ └── Placeholder → 占位符名称、类型
│ │ └── notes_slide → 获取备注页内容
│ │ └── TextFrame → 备注文本内容
│ └── slide_layout → 获取幻灯片布局（标题、内容区域定义）
│ └── SlideLayout → 布局名称、占位符类型
│ └── placeholder_formats → 布局中的占位符格式
└── 其他高级对象（如图表、形状集合等）
逐层解析与属性方法说明
1. Presentation 对象
prs.slides：获取所有幻灯片的列表。prs.slide_layouts：获取所有可用的幻灯片布局（如“标题和内容”“仅标题”等）。prs.save()：保存 PPT 文件。2. Slide 对象（每一页幻灯片）
slide.shapes：获取该幻灯片中的所有形状（文本框、图片、表格等）。slide.placeholders：获取该幻灯片的占位符列表（如标题、内容区域）。slide.notes_slide：获取该幻灯片的备注页内容。slide.slide_layout：获取该幻灯片的布局信息。3. Shape 对象（形状，如文本框、图片等）
shape.has_text_frame：判断是否包含文本框。shape.text_frame：获取文本框对象。shape.text：直接获取文本内容（快捷方式）。text_frame.paragraphs：获取文本段落列表。paragraph.text：获取段落文本。paragraph.font：获取字体属性（颜色、大小等）。shape.has_table：判断是否为表格。shape.table：获取表格对象。table.rows：获取表格行。table.columns：获取表格列。table.cell(row, col)：获取指定单元格内容。shape.has_image：判断是否为图片。shape.image：获取图片对象。image.blob：获取图片二进制数据。image.filename：获取图片文件名（如果存在）。shape.is_placeholder：判断是否为占位符。shape.placeholder_format：获取占位符类型（如标题、内容）。placeholder_format.type：占位符类型（如 MSO_PLACEHOLDER_TYPE.TITLE）。4. TextFrame 对象（文本框内容）
text_frame.clear()：清空文本框内容。text_frame.paragraphs：获取文本段落列表。text_frame.word_wrap：是否自动换行。5. Table 对象（表格内容）
table.cell(row, col)：获取指定单元格对象。cell.text：获取单元格文本。cell.merge()：合并单元格。6. Image 对象（图片内容）
image.blob：获取图片的二进制数据。image.content_type：获取图片格式（如 image/png）。image.embed：获取图片的嵌入方式（如 EMBED）。可提取的内容示例
从单页幻灯片中提取内容
from pptx import Presentation
prs = Presentation("your_presentation.pptx")
slide = prs.slides[0] # 第一页幻灯片
# 提取文本内容
for shape in slide.shapes:
if shape.has_text_frame:
for paragraph in shape.text_frame.paragraphs:
print("文本内容:", paragraph.text)
print("字体颜色:", paragraph.font.color.rgb)
print("字体大小:", paragraph.font.size.pt)
# 提取表格内容
for shape in slide.shapes:
if shape.has_table:
table = shape.table
for row in table.rows:
row_data = []
for cell in row.cells:
row_data.append(cell.text)
print("表格行数据:", row_data)
# 提取图片内容
for shape in slide.shapes:
if shape.has_image:
image = shape.image
print("图片格式:", image.content_type)
with open("extracted_image.png", "wb") as f:
f.write(image.blob) # 保存图片二进制数据
关键操作总结
-
遍历所有形状：
for shape in slide.shapes: if shape.has_text_frame: # 处理文本框 elif shape.has_table: # 处理表格 elif shape.has_image: # 处理图片 -
获取占位符内容：
for placeholder in slide.placeholders: if placeholder.placeholder_format.type == 1: # 1 表示标题 print("标题:", placeholder.text) else: print("内容占位符:", placeholder.text) -
提取备注页内容：
notes_slide = slide.notes_slide if notes_slide.has_text_frame: print("备注内容:", notes_slide.text_frame.text)
常见错误处理
形状类型判断：
if shape.has_text_frame:
text = shape.text
else:
print("该形状不包含文本")
占位符类型匹配：
from pptx.enum.shapes import MSO_PLACEHOLDER
if shape.is_placeholder and shape.placeholder_format.type == MSO_PLACEHOLDER.TITLE:
print("这是标题占位符:", shape.text)
通过以上层级解析，你可以系统地操作和提取 PPT 中的文本、表格、图片等元素，实现自动化内容生成或数据提取。
作者：东方佑
