使用Python解析PPT文件并生成JSON結(jié)構(gòu)詳解
更新時(shí)間：2025年04月29日 10:49:26 作者：東方佑
PowerPoint（PPT）文件的自動(dòng)化處理是辦公自動(dòng)化和數(shù)據(jù)提取的常見(jiàn)需求,本文將介紹如何通過(guò)Python的python-pptx庫(kù),將PPT文件的樣式、結(jié)構(gòu)、文本內(nèi)容等信息解析為標(biāo)準(zhǔn)化的JSON格式,為后續(xù)的自動(dòng)化處理、數(shù)據(jù)遷移或樣式復(fù)用提供基礎(chǔ),需要的朋友可以參考下
核心代碼解析
1. 顏色轉(zhuǎn)換函數(shù)：rgb_to_hex
將RGB顏色值（如(255, 0, 0)）轉(zhuǎn)換為十六進(jìn)制字符串（如#FF0000）。
當(dāng)前代碼存在缺陷：原函數(shù)直接返回RGB元組，而非十六進(jìn)制字符串。以下是修正后的實(shí)現(xiàn)：
def rgb_to_hex(rgb):
"""將 RGB 顏色轉(zhuǎn)換為十六進(jìn)制字符串（如 #FF0000）"""
if rgb is None:
return None
return f"#{rgb[0]:02X}{rgb[1]:02X}{rgb[2]:02X}"
2. 解析單個(gè)形狀：parse_shape
提取形狀的類(lèi)型、位置、樣式、文本內(nèi)容等信息，支持文本框、表格、圖片等類(lèi)型。
關(guān)鍵步驟：
- 基礎(chǔ)屬性：形狀類(lèi)型（如
MSO_SHAPE_TYPE.TEXT_BOX）、位置（left,top）、尺寸（width,height）。 - 填充樣式：顏色類(lèi)型（純色/漸變）、顏色值（十六進(jìn)制）。
- 邊框樣式：顏色、線寬、虛線類(lèi)型（如
MSO_LINE_DASH_STYLE.DASH）。 - 文本樣式：段落對(duì)齊、字體名稱、大小、加粗/斜體、顏色。
- 特殊處理：
- 表格：解析行、列及單元格內(nèi)容。
- 圖片：記錄尺寸信息。
示例輸出（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單位
"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. 解析整個(gè)PPT：parse_presentation
遍歷PPT的每一頁(yè)和每個(gè)形狀，調(diào)用parse_shape生成結(jié)構(gòu)化數(shù)據(jù)。
示例輸出（JSON片段）：
{
"slides": [
{
"slide_number": 254, // PPT內(nèi)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. 保存為JSON：save_to_json
將解析結(jié)果以可讀格式保存為文件。
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. 安裝依賴
pip install python-pptx
2. 運(yùn)行代碼
if __name__ == "__main__":
input_pptx = "template.pptx" # 輸入PPT路徑
output_json = "presentation_info.json" # 輸出JSON路徑
parsed_data = parse_presentation(input_pptx)
save_to_json(parsed_data, output_json)
3. 輸出JSON結(jié)構(gòu)
{
"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"
}
}
]
}
]
}
}
]
}
]
}
核心功能與適用場(chǎng)景
1. 支持的形狀類(lèi)型
| 類(lèi)型名稱 | 對(duì)應(yīng)值 | 描述 |
|---|---|---|
MSO_SHAPE_TYPE.TEXT_BOX | 1 | 文本框 |
MSO_SHAPE_TYPE.TABLE | 19 | 表格 |
MSO_SHAPE_TYPE.PICTURE | 17 | 圖片 |
| 其他形狀 | 根據(jù)MSO枚舉 | 形狀、線條等 |
2. 典型應(yīng)用場(chǎng)景
- 樣式復(fù)用：提取模板樣式，批量生成符合規(guī)范的PPT。
- 數(shù)據(jù)遷移：將PPT內(nèi)容導(dǎo)出為JSON，用于數(shù)據(jù)分析或內(nèi)容管理。
- 自動(dòng)化生成：結(jié)合JSON數(shù)據(jù)，動(dòng)態(tài)生成PPT（需反向?qū)崿F(xiàn)
apply功能）。
注意事項(xiàng)
單位轉(zhuǎn)換：
- PPT中的尺寸單位為EMU（English Metric Unit），可通過(guò)
shape.width/9525轉(zhuǎn)換為像素（1 EMU ≈ 0.01像素）。
- PPT中的尺寸單位為EMU（English Metric Unit），可通過(guò)
異常處理：
- 部分形狀可能無(wú)文本框（如圖片），需通過(guò)
shape.has_text_frame判斷。 - 顏色值可能為
None（如填充為透明色），需設(shè)置默認(rèn)值。
- 部分形狀可能無(wú)文本框（如圖片），需通過(guò)
擴(kuò)展建議：
- 支持更多樣式：如陰影、3D效果。
- 反向生成PPT：根據(jù)JSON數(shù)據(jù)重建PPT文件。
總結(jié)
通過(guò)本文的代碼和解析，開(kāi)發(fā)者可以快速實(shí)現(xiàn)PPT文件的自動(dòng)化解析與數(shù)據(jù)提取。無(wú)論是學(xué)術(shù)研究、企業(yè)報(bào)告自動(dòng)化，還是結(jié)合LLM生成內(nèi)容，這一工具鏈都能提供強(qiáng)大的基礎(chǔ)支持。下一步，你可以嘗試：
- 結(jié)合LLM生成內(nèi)容：用GPT生成文本后，填充到JSON的
text字段。 - 可視化樣式：將JSON數(shù)據(jù)渲染為網(wǎng)頁(yè)或圖表，用于PPT設(shè)計(jì)預(yù)覽。
通過(guò)Python和JSON的結(jié)合，PPT的自動(dòng)化處理從未如此簡(jiǎn)單！
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):
"""將 RGB 顏色轉(zhuǎn)換為十六進(jìn)制字符串（如 #FF0000）"""
if rgb is None:
return None
return (rgb[0], rgb[1], rgb[2])
def parse_shape(shape):
"""解析單個(gè) 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": {}
}
# 解析填充樣式
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
}
# 解析邊框樣式
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()
# 解析文本樣式（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
# 處理表格
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
# 處理圖片
if shape.shape_type == MSO_SHAPE_TYPE.PICTURE:
data["image"] = {
"width": shape.width,
"height": shape.height
}
return data
def parse_presentation(pptx_path):
"""解析整個(gè) PPT 文件并返回 JSON 結(jié)構(gòu)"""
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):
"""將解析后的數(shù)據(jù)保存為 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" # 輸入的 PPT 文件路徑
output_json = "presentation_info.json" # 輸出的 JSON 文件路徑
# 解析 PPT
parsed_data = parse_presentation(input_pptx)
# 保存為 JSON
save_to_json(parsed_data, output_json)
以上就是使用Python解析PPT文件并生成JSON結(jié)構(gòu)詳解的詳細(xì)內(nèi)容，更多關(guān)于Python解析PPT并生成JSON的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！
相關(guān)文章
Python如何實(shí)現(xiàn)在字符串里嵌入雙引號(hào)或者單引號(hào)
今天小編就為大家分享一篇Python如何實(shí)現(xiàn)在字符串里嵌入雙引號(hào)或者單引號(hào)，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-03-03
python實(shí)現(xiàn)接口并發(fā)測(cè)試腳本
這篇文章主要為大家詳細(xì)介紹了python實(shí)現(xiàn)接口并發(fā)測(cè)試腳本，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2019-06-06
django在接受post請(qǐng)求時(shí)顯示403forbidden實(shí)例解析
這篇文章主要介紹了django在接受post請(qǐng)求時(shí)顯示403forbidden實(shí)例解析，小編覺(jué)得還是挺不錯(cuò)的，具有一定借鑒價(jià)值，需要的朋友可以參考下2018-01-01
python GUI庫(kù)圖形界面開(kāi)發(fā)之PyQt5表單布局控件QFormLayout詳細(xì)使用方法與實(shí)例
這篇文章主要介紹了python GUI庫(kù)圖形界面開(kāi)發(fā)之PyQt5布局控件QFormLayout詳細(xì)使用方法與實(shí)例,需要的朋友可以參考下2020-03-03
Python學(xué)習(xí)入門(mén)之區(qū)塊鏈詳解
區(qū)塊鏈的基礎(chǔ)概念很簡(jiǎn)單：一個(gè)分布式數(shù)據(jù)庫(kù)，存儲(chǔ)一個(gè)不斷加長(zhǎng)的 list，list 中包含著許多有序的記錄。下面這篇文章主要給大家介紹了關(guān)于Python學(xué)習(xí)入門(mén)之區(qū)塊鏈的相關(guān)資料，文中通過(guò)示例代碼介紹的非常詳細(xì)，需要的朋友們下面來(lái)一起看看吧。2017-07-07
python環(huán)境的報(bào)錯(cuò)解決方法
這篇文章主要為大家介紹了python環(huán)境的報(bào)錯(cuò)解決方法,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪2023-08-08
這篇文章主要介紹了python畫(huà)愛(ài)心的過(guò)程。文中的示例代碼講解詳細(xì)，對(duì)我們學(xué)習(xí)Python有一定的價(jià)值，需要的可以參考一下2022-02-02
Python?Textual文本用戶界面庫(kù)使用原理探索
這篇文章主要為大家介紹了Python?Textual文本用戶界面框架使用原理探索,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪2024-02-02
python驗(yàn)證碼識(shí)別教程之利用投影法、連通域法分割圖片
這篇文章主要給大家介紹了關(guān)于python驗(yàn)證碼識(shí)別教程之利用投影法、連通域法分割圖片的相關(guān)資料，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起看看吧2018-06-06
Python使用struct處理二進(jìn)制(pack和unpack用法)
這篇文章主要介紹了Python使用struct處理二進(jìn)制(pack和unpack用法)，幫助大家更好的理解和使用python，感興趣的朋友可以了解下2020-11-11