第一次运行 Python 项目，使用 python-pptx 提取 ppt 中的文字和图片

人工智能时代，最需要学习的编程语言是：python 。笔者是个 python 小白，昨天花了两个小时，第一次成功运行起来 python 项目 。

项目是 powerpoint-extractor ，可以将 ppt 文件中的图片提取出来，并输出到固定的目录。

1 安装 python 环境

首先打开终端，打开后输入 python3 。确定电脑上是否已安装 python3，如果输入 python 是查看 mac 上的自带版本。

命令：python3【直接回车】

出现下面是页面，表示已经安装python3 【退出时可输入：exit（）然后点回车】

若没有安装，安装 python3 如下两种方式：

0. 第一种方法 brew 安装 python3 ：brew install python3
1. 第二种方法 官网 Python Releases for macOS ，根据自己的需求下载自己需要的版本下载 。

2 项目 powerpoint-extractor

通过 git 命令 clone 该项目 :

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

因为项目依赖 python-pptx 组件，通过清华的镜像执行如下的命令：

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

执行完成之后，可以通过 pip3 list 命令查看已安装包列表 ：

3 PyCharm 配置

通过 PyCharm 打开该项目 :

上图，我们发现 python 解释器并没有配置好 ，py 脚本显示 import 包失败 。

点击添加 python 解释器按钮，勾选继承全局包，并确认好 python3 的执行目录是否正确，点击 OK 即可完成配置。

点开 extract.py ，核心代码非常容易理解：

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)
​
    # 遍历每张幻灯片
    for page, slide in enumerate(ppt.slides):
        # 将幻灯片上的所有文本收集到一个字符串中，以换行符分隔
        text = ''
        for shape in slide.shapes:
            if shape.has_text_frame and shape.text.strip():
                text += os.linesep
                text += shape.text
​
        # 收集每张幻灯片中的图像
        self.cur_slide_images = []
​
        # 保存幻灯片中的图像
        for shape in slide.shapes:
            self.drill_for_images(shape, page + 1, name)
​
        # 将页码、收集到的文本和演讲者备注作为新行写入CSV文件
        image_list = ''
        if len(self.cur_slide_images) > 0:
            image_list = ','.join(self.cur_slide_images)  # 将图像列表转换为逗号分隔的字符串
​
        # 将信息写入CSV文件
        writer.writerow([eachfile, page + 1, text, slide.notes_slide.notes_text_frame.text, image_list])

这段代码执行了以下操作：

• 对于每个 PowerPoint 文件，它加载演示文稿并逐一遍历每张幻灯片。
• 对于每张幻灯片，它收集文本和图像信息，并将其格式化为 CSV 文件的一行。
• CSV 文件的每一行包括文件名、页码、幻灯片文本、幻灯片的演讲者备注以及图像列表。

4 运行项目

将测试 ppt 拷贝到 input 目录，点击 run 。

当执行完成后，ppt 中有的图片拷贝到 images 目录，同时生成了一个 text.csv 。

---

当然，我们也可以通过如下的命令直接执行：

---