Java 程式設計師第一次執行 Python 專案，使用 python-pptx 提取 ppt 中的文字和圖片

勇哥编程游记發表於2024-03-11
Java程式設計師Python

人工智慧時代，最需要學習的程式語言是：python 。筆者是個 python 小白，昨天花了兩個小時，第一次成功執行起來 python 專案 。

專案是 powerpoint-extractor ，可以將 ppt 檔案中的圖片提取出來，並輸出到固定的目錄。

1 安裝 python 環境

首先開啟終端，開啟後輸入 python3 。確定電腦上是否已安裝 python3，如果輸入 python 是檢視 mac 上的自帶版本。

命令：python3【直接回車】

出現下面是頁面，表示已經安裝python3 【退出時可輸入：exit（）然後點回車】

若沒有安裝，安裝 python3 如下兩種方式：

  1. 第一種方法 brew 安裝 python3 ：brew install python3

  2. 第二種方法 官網 Python Releases for macOS ，根據自己的需求下載自己需要的版本下載 。

2 專案 powerpoint-extractor

透過 git 命令 clone 該專案 :

git clone git@github.com:2TallTyler/powerpoint-extractor.git

因為專案依賴 python-pptx 元件，透過清華的映象執行如下的命令：

pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple python-pptx

執行完成之後，可以透過 pip3 list 命令檢視已安裝包列表 ：

3 PyCharm 配置

透過 PyCharm 開啟該專案 :

上圖，我們發現 python 直譯器並沒有配置好 ，py 指令碼顯示 import 包失敗 。

點選新增 python 直譯器按鈕，勾選繼承全域性包，並確認好 python3 的執行目錄是否正確，點選 OK 即可完成配置。

點開 extract.py ，核心程式碼非常容易理解：

for eachfile in glob.glob(self.input_dir + os.sep + "*.pptx"):
    ppt = Presentation(eachfile)
    print("* " + eachfile)
    presentation_count += 1
    self.cur_image_index = 1

    name = self.generate_image_name_part(eachfile)

    # 遍歷每張幻燈片
    for page, slide in enumerate(ppt.slides):
        # 將幻燈片上的所有文字收集到一個字串中，以換行符分隔
        text = ''
        for shape in slide.shapes:
            if shape.has_text_frame and shape.text.strip():
                text += os.linesep
                text += shape.text

        # 收集每張幻燈片中的影像
        self.cur_slide_images = []

        # 儲存幻燈片中的影像
        for shape in slide.shapes:
            self.drill_for_images(shape, page + 1, name)

        # 將頁碼、收集到的文字和演講者備註作為新行寫入CSV檔案
        image_list = ''
        if len(self.cur_slide_images) > 0:
            image_list = ','.join(self.cur_slide_images)  # 將影像列表轉換為逗號分隔的字串

        # 將資訊寫入CSV檔案
        writer.writerow([eachfile, page + 1, text, slide.notes_slide.notes_text_frame.text, image_list])

這段程式碼執行了以下操作：

  • 對於每個 PowerPoint 檔案，它載入簡報並逐一遍歷每張幻燈片。
  • 對於每張幻燈片，它收集文字和影像資訊，並將其格式化為 CSV 檔案的一行。
  • CSV 檔案的每一行包括檔名、頁碼、幻燈片文字、幻燈片的演講者備註以及影像列表。

4 執行專案

將測試 ppt 複製到 input 目錄，點選 run 。

當執行完成後，ppt 中有的圖片複製到 images 目錄，同時生成了一個 text.csv 。

當然，我們也可以透過如下的命令直接執行：

如果我的文章對你有所幫助，還請幫忙點贊、在看、轉發一下，你的支援會激勵我輸出更高質量的文章，非常感謝！

相關文章