python ppt转pdf以及图片提取

采用com唤起 ppt进行转pdf,从pdf中提取图片

  1. 安装
bash 复制代码
pip instamm PyMuPDF
pip install comtypes
  1. code
python 复制代码
import os
import shutil
import comtypes.client
import fitz  
# 逻辑
'''
1. 根据输入的文件夹提取ppt,转成pdf
2. pdf保留和ppt一样的文件夹结构
3. 从pdf提取图片,保留一样的结构,以ppt文件名命名文件夹

'''


def ensure_dir(path):
    if not os.path.exists(path):
        os.makedirs(path)

def ppt_to_pdf(ppt_path, pdf_path):
    powerpoint = comtypes.client.CreateObject("PowerPoint.Application")
    powerpoint.Visible = 1
    try:
        presentation = powerpoint.Presentations.Open(ppt_path, WithWindow=False)
        presentation.SaveAs(pdf_path, 32)  # 保存为PDF
        presentation.Close()
    finally:
        powerpoint.Quit()

# 从pdf中提取图片,保存在文件名目录下
def extract_images_from_pdf(pdf_path, image_dir):
    ensure_dir(image_dir)
    doc = fitz.open(pdf_path)
    img_count = 0
    for page_index in range(len(doc)):
        page = doc.load_page(page_index)
        for img_index, img in enumerate(page.get_images(full=True), start=1):
            xref = img[0]
            base_image = doc.extract_image(xref)
            image_bytes = base_image["image"]
            image_ext = base_image["ext"]
            image_name = f"page{page_index+1:03d}_img{img_index:03d}.{image_ext}"
            image_path = os.path.join(image_dir, image_name)
            with open(image_path, "wb") as f:
                f.write(image_bytes)
            img_count += 1
    doc.close()
    return img_count

# 遍历整个文件夹
def process_ppt_directory(src_root, dst_root,error_dir):
    for root, dirs, files in os.walk(src_root):
        rel_path = os.path.relpath(root, src_root)
        target_dir = os.path.join(dst_root, rel_path)
        error_dir = os.path.join(error_dir, rel_path)
        ensure_dir(target_dir)

        for file in files:
            if file.lower().endswith(('.ppt', '.pptx')):
                ppt_path = os.path.join(root, file)
                base_name = os.path.splitext(file)[0]
                pdf_path = os.path.join(target_dir, base_name + ".pdf")
                image_dir = os.path.join(target_dir, base_name + "_images")
                

                print(f"▶ 转换: {ppt_path}")
                try:
                    ppt_to_pdf(ppt_path, pdf_path)
                    print(f"  ✅ 生成 PDF: {pdf_path}")
                except Exception as e:
                    print(f"❌ PPT {ppt_path} 转 PDF 失败: {e}")
                    ensure_dir(error_dir)
                    shutil.copy2(ppt_path, error_dir)
                    print(f"  ⚠️ 已复制失败文件到: {error_dir}")
                    continue

                try:
                    count = extract_images_from_pdf(pdf_path, image_dir)
                    print(f"  ✅ 提取图片 {count} 张 → {image_dir}")
                except Exception as e:
                    print(f"❌ PDF {pdf_path} 提取图片失败: {e}")
                    ensure_dir(error_dir)
                    shutil.copy2(ppt_path, error_dir)
                    print(f"  ⚠️ 已复制失败文件到: {error_dir}")

if __name__ == "__main__":
    src_dir = r"C:\Users\84977\Desktop\ceshi"   # ppt目录
    dst_dir = r"C:\Users\84977\Desktop\123"   # 输出目录
    error_dir = r"C:\Users\84977\Desktop\345"  # 失败的目录
    process_ppt_directory(src_dir, dst_dir, error_dir)
相关推荐
小羊没烦恼!4 天前
微服务化的基石——持续集成
java·大数据·word·powerpoint·.net
默_笙4 天前
🍙 给每个请求过安检:FastAPI 是怎么把校验写进类型注解的
python
qq_426003964 天前
启动playwright录制codegen生成自动化测试脚本
python·自动化
虎头金猫4 天前
4K 视频总卡在公网带宽?用 N1 + OpenList 把网盘播放链路重新理顺
运维·服务器·网络·python·容器·beautifulsoup·pandas
长沙三为智能科技4 天前
家政小程序开发从0到上线:五阶段交付流程与验收清单
python
伞伞悦读4 天前
【第38期】Python 模块与包详解:import、from、模块搜索路径、包结构和 __init__
开发语言·python
只睡四小时4 天前
Canvas 弹道联机实战:700 行 + 固定时间步长
python·websocket·html5·游戏开发·canvas
奇思妙想聪明勤奋的小羊4 天前
DeepAgents第5章:子Agent 与上下文隔离—让 Agent学会委派
人工智能·python·学习·语言模型
lpfasd1234 天前
2026年第38周GitHub趋势周报
python·科技·github
IZero074 天前
Jev 与 Laya
python·语言模型