python - 使用python从多个powerpoint文件中提取文本

Question

我正在尝试寻找一种方法来查看文件夹并搜索该文件夹中所有 powerpoint 文档的内容以查找特定字符串，最好使用 Python。找到这些字符串后，我想报告该字符串之后的文本以及找到它的文档。我想编译这些信息并将其报告为 CSV 文件。

到目前为止，我只遇到了 olefil 包，https://bitbucket.org/decalage/olefileio_pl/wiki/Home .这提供了特定文档中包含的所有文本，这不是我想要做的。请帮忙。

Answer 1

实际工作

如果要提取文本:

• 从 pptx 导入演示文稿(pip 安装 python-pptx)
• 对于目录中的每个文件(使用 glob 模块)
• 查看每张幻灯片以及每张幻灯片中的每个形状
• 如果有带有text属性的shape，打印shape.text

---

from pptx import Presentation
import glob

for eachfile in glob.glob("*.pptx"):
    prs = Presentation(eachfile)
    print(eachfile)
    print("----------------------")
    for slide in prs.slides:
        for shape in slide.shapes:
            if hasattr(shape, "text"):
                print(shape.text)