我要评论核心代码解析
1. 颜色转换函数：rgb_to_hex
将rgb颜色值（如(255, 0, 0)）转换为十六进制字符串（如#ff0000）。
当前代码存在缺陷：原函数直接返回rgb元组，而非十六进制字符串。以下是修正后的实现：
def rgb_to_hex(rgb):
"""将 rgb 颜色转换为十六进制字符串（如 #ff0000）"""
if rgb is none:
return none
return f"#{rgb[0]:02x}{rgb[1]:02x}{rgb[2]:02x}"
2. 解析单个形状：parse_shape
提取形状的类型、位置、样式、文本内容等信息，支持文本框、表格、图片等类型。
关键步骤：
- 基础属性：形状类型（如
mso_shape_type.text_box）、位置（left,top）、尺寸（width,height）。 - 填充样式：颜色类型（纯色/渐变）、颜色值（十六进制）。
- 边框样式：颜色、线宽、虚线类型（如
mso_line_dash_style.dash）。 - 文本样式：段落对齐、字体名称、大小、加粗/斜体、颜色。
- 特殊处理：
- 表格：解析行、列及单元格内容。
- 图片：记录尺寸信息。
示例输出（文本框）：
{
"type": 1, // mso_shape_type.text_box
"name": "text box 1",
"text": "hello world",
"fill": {
"type": "mso_fill.solid",
"color": "#ff0000"
},
"line": {
"color": "#000000",
"width": 12700, // emu单位
"dash_style": "mso_line_dash_style.solid"
},
"text_style": {
"paragraphs": [
{
"text": "hello world",
"runs": [
{
"text": "hello world",
"font": {
"name": "arial",
"size": 24,
"bold": false,
"color": "#000000"
}
}
]
}
]
}
}
3. 解析整个ppt：parse_presentation
遍历ppt的每一页和每个形状，调用parse_shape生成结构化数据。
示例输出（json片段）：
{
"slides": [
{
"slide_number": 254, // ppt内部id
"shapes": [
{
"type_name": "mso_shape_type.table",
"table": [
[
{"text": "header 1", "row_span": 1, "col_span": 1},
{"text": "header 2", "row_span": 1, "col_span": 1}
],
[
{"text": "row 1", "row_span": 1, "col_span": 1},
{"text": "data", "row_span": 1, "col_span": 1}
]
]
}
]
}
]
}
4. 保存为json：save_to_json
将解析结果以可读格式保存为文件。
def save_to_json(data, output_path):
with open(output_path, "w", encoding="utf-8") as f:
json.dump(data, f, indent=4, ensure_ascii=false)
使用示例
1. 安装依赖
pip install python-pptx
2. 运行代码
if __name__ == "__main__":
input_pptx = "template.pptx" # 输入ppt路径
output_json = "presentation_info.json" # 输出json路径
parsed_data = parse_presentation(input_pptx)
save_to_json(parsed_data, output_json)
3. 输出json结构
{
"slides": [
{
"slide_number": 254,
"shapes": [
{
"type": 1,
"name": "text box 1",
"text": "sample text",
"fill": {"type": "mso_fill.background", "color": null},
"line": {"color": null, "width": 0, "dash_style": null},
"text_style": {
"paragraphs": [
{
"text": "sample text",
"runs": [
{
"text": "sample text",
"font": {
"name": "calibri",
"size": 11,
"bold": false,
"color": "#000000"
}
}
]
}
]
}
}
]
}
]
}
核心功能与适用场景
1. 支持的形状类型
| 类型名称 | 对应值 | 描述 |
|---|---|---|
mso_shape_type.text_box | 1 | 文本框 |
mso_shape_type.table | 19 | 表格 |
mso_shape_type.picture | 17 | 图片 |
| 其他形状 | 根据mso枚举 | 形状、线条等 |
2. 典型应用场景
- 样式复用：提取模板样式，批量生成符合规范的ppt。
- 数据迁移：将ppt内容导出为json，用于数据分析或内容管理。
- 自动化生成：结合json数据，动态生成ppt（需反向实现
apply功能）。
注意事项
单位转换：
- ppt中的尺寸单位为emu（english metric unit），可通过
shape.width/9525转换为像素（1 emu ≈ 0.01像素）。
- ppt中的尺寸单位为emu（english metric unit），可通过
异常处理：
- 部分形状可能无文本框（如图片），需通过
shape.has_text_frame判断。 - 颜色值可能为
none（如填充为透明色），需设置默认值。
- 部分形状可能无文本框（如图片），需通过
扩展建议：
- 支持更多样式：如阴影、3d效果。
- 反向生成ppt：根据json数据重建ppt文件。
总结
通过本文的代码和解析，开发者可以快速实现ppt文件的自动化解析与数据提取。无论是学术研究、企业报告自动化，还是结合llm生成内容，这一工具链都能提供强大的基础支持。下一步，你可以尝试：
- 结合llm生成内容：用gpt生成文本后，填充到json的
text字段。 - 可视化样式：将json数据渲染为网页或图表，用于ppt设计预览。
通过python和json的结合，ppt的自动化处理从未如此简单！
import json
from pptx import presentation
from pptx.enum.shapes import mso_shape_type
from pptx.enum.text import pp_align
from pptx.enum.dml import mso_fill, mso_line_dash_style
def rgb_to_hex(rgb):
"""将 rgb 颜色转换为十六进制字符串（如 #ff0000）"""
if rgb is none:
return none
return (rgb[0], rgb[1], rgb[2])
def parse_shape(shape):
"""解析单个 shape 的信息"""
data = {
"type": shape.shape_type,
"type_name": str(mso_shape_type(shape.shape_type)),
"name": shape.name,
"left": shape.left,
"top": shape.top,
"width": shape.width,
"height": shape.height,
"rotation": shape.rotation,
"text": "",
"fill": {},
"line": {},
"text_style": {}
}
# 解析填充样式
fill = shape.fill
try:
data["fill"] = {
"type": str(mso_fill(fill.type)),
"color": rgb_to_hex(fill.fore_color.rgb) if fill.fore_color else none
}
except:
data["fill"] = {
"type": str(mso_fill(fill.type)),
"color": none
}
# 解析边框样式
line = shape.line
# try:
data["line"] = {
"color": rgb_to_hex(line.color.rgb) if line.color.type else none,
"width": line.width,
"dash_style": str(mso_line_dash_style(line.dash_style)) if line.dash_style else none
}
# except:
# print()
# 解析文本样式（如果存在文本框）
if shape.has_text_frame:
text_frame = shape.text_frame
paragraphs = []
for paragraph in text_frame.paragraphs:
runs = []
for run in paragraph.runs:
run_data = {
"text": run.text,
"font": {
"name": run.font.name,
"size": run.font.size.pt,
"bold": run.font.bold,
"italic": run.font.italic,
"color": rgb_to_hex(run.font.color.rgb)
}
}
runs.append(run_data)
paragraph_data = {
"text": paragraph.text,
"runs": runs,
"level": paragraph.level,
"alignment": str(pp_align(paragraph.alignment)) if paragraph.alignment else none
}
paragraphs.append(paragraph_data)
data["text_style"] = {
"paragraphs": paragraphs
}
data["text"] = text_frame.text
# 处理表格
if shape.shape_type == mso_shape_type.table:
table = shape.table
rows = []
for row in table.rows:
cells = []
for cell in row.cells:
cell_data = {
"text": cell.text.strip(),
"row_span": cell.row_span,
"col_span": cell.col_span
}
cells.append(cell_data)
rows.append(cells)
data["table"] = rows
# 处理图片
if shape.shape_type == mso_shape_type.picture:
data["image"] = {
"width": shape.width,
"height": shape.height
}
return data
def parse_presentation(pptx_path):
"""解析整个 ppt 文件并返回 json 结构"""
prs = presentation(pptx_path)
presentation_data = {
"slides": []
}
for slide_idx, slide in enumerate(prs.slides):
slide_data = {
"slide_number": slide.slide_id,
"shapes": []
}
for shape in slide.shapes:
shape_data = parse_shape(shape)
slide_data["shapes"].append(shape_data)
presentation_data["slides"].append(slide_data)
return presentation_data
def save_to_json(data, output_path):
"""将解析后的数据保存为 json 文件"""
with open(output_path, "w", encoding="utf-8") as f:
json.dump(data, f, indent=4, ensure_ascii=false)
# 使用示例
if __name__ == "__main__":
input_pptx = "template.pptx" # 输入的 ppt 文件路径
output_json = "presentation_info.json" # 输出的 json 文件路径
# 解析 ppt
parsed_data = parse_presentation(input_pptx)
# 保存为 json
save_to_json(parsed_data, output_json)
以上就是使用python解析ppt文件并生成json结构详解的详细内容，更多关于python解析ppt并生成json的资料请关注代码网其它相关文章！
发表评论