python-pptx ".ppt"处理变通

Question

我目前正在尝试从 .ppt 和 .pptx 文件中提取文本。我成功地使用 python-pptx 来处理 .pptx 文件，但是根据 its documentation , "PowerPoint 2003 及更早版本中的 .ppt 文件将无法使用。"

使用这行代码创建演示文稿项时:

`prs = Presentation("Filepath\\presentation.ppt")`

我收到以下错误:

`Traceback (most recent call last):
...shortened for brevity....
KeyError: "no relationship of type 'http://schemas.openxmlformats.org/officeDocument/2006/relationships/officeDocument' in collection"`

我认为发生此错误是因为 python-pptx 无法处理 .ppt 文件。我尝试通过三种方式来补救这种情况:

1. 我想使用与 python-pptx 关联的 .save() 函数，但我必须制作一个演示项目才能做到这一点。我不能那样做，因为我必须首先使用无法处理 .ppt 文件的 python-pptx。
2. 利用os.rename(src, dst)
   • 这没有不工作。重命名文件与“另存为”不同，因此会使文件损坏。

3. 我使用 win32com 打开 PowerPoint 应用程序，打开 .ppt 文件，然后将文件另存为 .pptx，然后关闭文件和应用程序。

   • 此方法有效，但它确实“笨拙”。 (见下面的代码。)

   Application = win32com.client.Dispatch("PowerPoint.Application")
Application.Visible = True
Presentation = Application.Presentations.Open("文件路径\\presentation.ppt")
Presentation.Saveas("文件路径\\presentation.pptx")
展示.关闭()
Application.Quit()

我向社区提出的问题是，是否有更复杂或更优雅的方法来解决我的困境。我的困境是我希望能够解析 .ppt 文件中的文本，而 python-pptx 不处理这些文件类型。

Answer 1

您的方法就是我的方法，也许是在开始 python-pptx 处理之前作为批处理过程。我可能会使用 IronPython 来访问 MS API，但它本质上是相同的方法。

您可以使用解决 LibreOffice 或 Open Office 库的 Python 库来执行此操作(PyOO 是一个示例)。这可能具有不需要 Windows 的优势，但它本质上仍然是“编写”正在运行的 Office 应用程序来完成工作；它不是直接的库界面。这意味着它可能不太适合可靠运行的服务器端，如果这是您所追求的。