使用Python解析PPT文件并生成JSON結構詳解

更新時間：2025年04月29日 10:49:26 作者：東方佑

PowerPoint（PPT）文件的自動化處理是辦公自動化和數(shù)據(jù)提取的常見需求,本文將介紹如何通過Python的python-pptx庫,將PPT文件的樣式、結構、文本內(nèi)容等信息解析為標準化的JSON格式,為后續(xù)的自動化處理、數(shù)據(jù)遷移或樣式復用提供基礎,需要的朋友可以參考下

核心代碼解析

1. 顏色轉換函數(shù)：rgb_to_hex

將RGB顏色值（如(255, 0, 0)）轉換為十六進制字符串（如#FF0000）。
當前代碼存在缺陷：原函數(shù)直接返回RGB元組，而非十六進制字符串。以下是修正后的實現(xiàn)：

def rgb_to_hex(rgb):
    """將 RGB 顏色轉換為十六進制字符串（如 #FF0000）"""
    if rgb is None:
        return None
    return f"#{rgb[0]:02X}{rgb[1]:02X}{rgb[2]:02X}"

2. 解析單個形狀：parse_shape

提取形狀的類型、位置、樣式、文本內(nèi)容等信息，支持文本框、表格、圖片等類型。

關鍵步驟：

基礎屬性：形狀類型（如MSO_SHAPE_TYPE.TEXT_BOX）、位置（left, top）、尺寸（width, height）。
填充樣式：顏色類型（純色/漸變）、顏色值（十六進制）。
邊框樣式：顏色、線寬、虛線類型（如MSO_LINE_DASH_STYLE.DASH）。
文本樣式：段落對齊、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PPT：parse_presentation

遍歷PPT的每一頁和每個形狀，調(diào)用parse_shape生成結構化數(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結構

{
  "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"
                    }
                  }
                ]
              }
            ]
          }
        }
      ]
    }
  ]
}

核心功能與適用場景

1. 支持的形狀類型

類型名稱	對應值	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. 典型應用場景

樣式復用：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)容導出為JSON，用于數(shù)據(jù)分析或內(nèi)容管理。
自動化生成：結合JSON數(shù)據(jù)，動態(tài)生成PPT（需反向實現(xiàn)apply功能）。

注意事項

單位轉換：
- PPT中的尺寸單位為EMU（English Metric Unit），可通過shape.width/9525轉換為像素（1 EMU ≈ 0.01像素）。
異常處理：
- 部分形狀可能無文本框（如圖片），需通過shape.has_text_frame判斷。
- 顏色值可能為None（如填充為透明色），需設置默認值。
擴展建議：
- 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

通過本文的代碼和解析，開發(fā)者可以快速實現(xiàn)PPT文件的自動化解析與數(shù)據(jù)提取。無論是學術研究、企業(yè)報告自動化，還是結合LLM生成內(nèi)容，這一工具鏈都能提供強大的基礎支持。下一步，你可以嘗試：

結合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)頁或圖表，用于PPT設計預覽。

通過Python和JSON的結合，PPT的自動化處理從未如此簡單！

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 顏色轉換為十六進制字符串（如 #FF0000）"""
    if rgb is None:
        return None
    return (rgb[0], rgb[1], rgb[2])


def parse_shape(shape):
    """解析單個 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 PPT 文件并返回 JSON 結構"""
    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結構詳解的詳細內(nèi)容，更多關于Python解析PPT并生成JSON的資料請關注腳本之家其它相關文章！

您可能感興趣的文章:

python的debug實用工具 pdb詳解
這篇文章主要介紹了python的debug實用工具 pdb詳解，首先，介紹一下 pdb 調(diào)試，pdb 是 python 的一個內(nèi)置模塊，用于命令行來調(diào)試 Python 代碼,需要的朋友可以參考下
2019-07-07
Scrapy啟動報錯invalid syntax的解決
這篇文章主要介紹了Scrapy啟動報錯invalid syntax的解決方案，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教
2021-09-09
深入分析python數(shù)據(jù)挖掘 Json結構分析
這篇文章通過實例給大家分析總結了python數(shù)據(jù)挖掘以及Json結構分析的相關知識點，對此有興趣的朋友參考下。
2018-04-04
Python實現(xiàn)計算字符串中出現(xiàn)次數(shù)最多的字符示例
這篇文章主要介紹了Python實現(xiàn)計算字符串中出現(xiàn)次數(shù)最多的字符,涉及Python針對字符串的遍歷、統(tǒng)計等相關操作技巧,需要的朋友可以參考下
2019-01-01
使用Python和Spire.XLS輕松實現(xiàn)Excel到TXT數(shù)據(jù)轉換
在數(shù)據(jù)處理和分析的過程中,經(jīng)常需要將不同格式的數(shù)據(jù)進行轉換,Excel?文件是數(shù)據(jù)存儲和操作中非常常見的格式,而?TXT?文件憑借其簡單的文本格式,本文將介紹如何使用?Python?和?Spire.XLS?庫將?Excel?導出為?TXT?文件,需要的朋友可以參考下
2026-02-02
python對字典進行排序實例
這篇文章主要介紹了python對字典進行排序的方法,是非常實用的技巧,且實例中備有詳細的注釋,簡單易懂,需要的朋友可以參考下
2014-09-09
Python代理抓取并驗證使用多線程實現(xiàn)
這里沒有使用隊列只是采用多線程分發(fā)對代理量不大的網(wǎng)頁還行但是幾百幾千性能就很差了，感興趣的朋友可以了解下，希望對你有所幫助
2013-05-05
python讀取串口數(shù)據(jù)有幾種方法
在實際開發(fā)中,有很多場景需要通過串口與外部設備進行數(shù)據(jù)通信,本文主要介紹了python讀取串口數(shù)據(jù)有幾種方法,具有一定的參考價值,感興趣的可以了解一下
2024-01-01
python實現(xiàn)的簡單猜數(shù)字游戲
這篇文章主要介紹了python實現(xiàn)的簡單猜數(shù)字游戲,涉及Python操作隨機數(shù)的技巧,具有一定參考借鑒價值,需要的朋友可以參考下
2015-04-04
Python列表list操作符實例分析【標準類型操作符、切片、連接字符、列表解析、重復操作等】
這篇文章主要介紹了Python列表list操作符,結合實例形式分析了標準類型操作符、切片、連接字符、列表解析、重復操作等使用技巧,需要的朋友可以參考下
2017-07-07