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
- 用途：代表整个 PPT 文件。
- 关键方法/属性：
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）
- 用途：代表单页幻灯片。
- 关键方法/属性：
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）
- 用途：代表幻灯片中的单个元素（文本框、图片、表格等）。
- 关键方法/属性：
- 文本框：
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）。
- 表格：
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。
- 图片：
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）。
- 占位符：
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）。
- 文本框：
4. TextFrame 对象（文本框内容）
- 用途：管理文本框的文本内容和格式。
- 关键方法/属性：
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）
- 用途：管理表格的行、列和单元格。
- 关键方法/属性：
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）
- 用途：管理图片的二进制数据和属性。
- 关键方法/属性：
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 Presentationprs = 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.tablefor 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.imageprint("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。
