使用Python开发PPT文本提取工具
在日常工作中，我们经常需要从PowerPoint文档中提取文本内容进行处理。本文将详细介绍如何使用Python开发一个带图形界面的PPT文本提取工具，该工具可以轻松地从PPTX文件中提取所有文本内容，并按页码显示。
C:\pythoncode\new\GetContentOFPPT.py
全部代码
import wx
import os
from pptx import Presentation
class PPTExtractFrame(wx.Frame):
def __init__(self):
super().__init__(parent=None, title='PPT文字提取工具', size=(800, 600))
self.InitUI()
def InitUI(self):
# 创建面板
panel = wx.Panel(self)
# 创建垂直布局
vbox = wx.BoxSizer(wx.VERTICAL)
# 创建按钮
self.select_btn = wx.Button(panel, label='选择PPT文件')
self.select_btn.Bind(wx.EVT_BUTTON, self.OnSelect)
vbox.Add(self.select_btn, 0, wx.ALL | wx.CENTER, 5)
# 创建文本框
self.memo = wx.TextCtrl(panel, style=wx.TE_MULTILINE | wx.TE_READONLY)
vbox.Add(self.memo, 1, wx.ALL | wx.EXPAND, 5)
panel.SetSizer(vbox)
def OnSelect(self, event):
# 创建文件选择对话框
with wx.FileDialog(self, "选择PPTX文件",
wildcard="PowerPoint files (*.pptx)|*.pptx",
style=wx.FD_OPEN | wx.FD_FILE_MUST_EXIST) as fileDialog:
if fileDialog.ShowModal() == wx.ID_CANCEL:
return
# 获取选择的文件路径
pathname = fileDialog.GetPath()
try:
self.ExtractText(pathname)
except Exception as e:
wx.MessageBox(f'错误：{str(e)}', '错误',
wx.OK | wx.ICON_ERROR)
def ExtractText(self, filepath):
# 清空文本框
self.memo.Clear()
# 打开PPT文件
prs = Presentation(filepath)
# 遍历所有幻灯片
for idx, slide in enumerate(prs.slides, 1):
text_content = []
# 提取当前幻灯片中的所有文本
for shape in slide.shapes:
if hasattr(shape, "text"):
if shape.text.strip(): # 只添加非空文本
text_content.append(shape.text.strip())
# 如果该页有文本，则添加到memo中
if text_content:
page_text = f"第{idx}页内容：\n" + "\n".join(text_content) + "\n\n"
self.memo.AppendText(page_text)
def main():
app = wx.App()
frame = PPTExtractFrame()
frame.Show()
app.MainLoop()
if __name__ == '__main__':
main()
技术栈介绍
本项目使用了以下技术：
- wxPython - 用于创建图形用户界面
- python-pptx - 用于处理PowerPoint文档
- Python内置的os模块 - 用于文件路径处理
整体架构设计
程序采用面向对象的设计方法，主要包含以下组件：
- 主窗口类（PPTExtractFrame）
- 用户界面初始化方法（InitUI）
- 文件选择处理方法（OnSelect）
- 文本提取核心方法（ExtractText）
详细代码解析
1. 导入必要的模块
import wx
import os
from pptx import Presentation
这三个import语句导入了程序所需的核心模块：
- wx：wxPython的主模块，提供GUI相关功能
- os：处理文件路径
- pptx.Presentation：用于读取和处理PPTX文件
2. 主窗口类的设计
class PPTExtractFrame(wx.Frame):
def __init__(self):
super().__init__(parent=None, title='PPT文字提取工具', size=(800, 600))
self.InitUI()
这是程序的主窗口类，继承自wx.Frame。构造函数中：
- 调用父类构造函数，设置窗口标题和大小
- 调用InitUI方法初始化界面元素
3. 用户界面初始化
def InitUI(self):
panel = wx.Panel(self)
vbox = wx.BoxSizer(wx.VERTICAL)
self.select_btn = wx.Button(panel, label='选择PPT文件')
self.select_btn.Bind(wx.EVT_BUTTON, self.OnSelect)
vbox.Add(self.select_btn, 0, wx.ALL | wx.CENTER, 5)
self.memo = wx.TextCtrl(panel, style=wx.TE_MULTILINE | wx.TE_READONLY)
vbox.Add(self.memo, 1, wx.ALL | wx.EXPAND, 5)
panel.SetSizer(vbox)
InitUI方法创建了程序的界面布局：
- 创建一个面板（Panel）作为主容器
- 使用垂直布局管理器（BoxSizer）
- 添加"选择PPT文件"按钮，并绑定点击事件
- 添加多行文本控件用于显示提取的文本
- 设置布局器到面板
4. 文件选择对话框实现
def OnSelect(self, event):
with wx.FileDialog(self, "选择PPTX文件",
wildcard="PowerPoint files (*.pptx)|*.pptx",
style=wx.FD_OPEN | wx.FD_FILE_MUST_EXIST) as fileDialog:
if fileDialog.ShowModal() == wx.ID_CANCEL:
return
pathname = fileDialog.GetPath()
try:
self.ExtractText(pathname)
except Exception as e:
wx.MessageBox(f'错误：{str(e)}', '错误',
wx.OK | wx.ICON_ERROR)
OnSelect方法处理文件选择操作：
- 创建文件选择对话框，限制文件类型为.pptx
- 使用Python的with语句确保对话框资源正确释放
- 获取选择的文件路径并调用提取方法
- 使用try-except处理可能的错误
5. 核心文本提取功能
def ExtractText(self, filepath):
self.memo.Clear()
prs = Presentation(filepath)
for idx, slide in enumerate(prs.slides, 1):
text_content = []
for shape in slide.shapes:
if hasattr(shape, "text"):
if shape.text.strip():
text_content.append(shape.text.strip())
if text_content:
page_text = f"第{idx}页内容：\n" + "\n".join(text_content) + "\n\n"
self.memo.AppendText(page_text)
ExtractText方法是程序的核心功能：
- 清空现有文本显示
- 使用python-pptx打开PPT文件
- 遍历每一页幻灯片
- 提取每个形状中的文本内容
- 按页码组织并显示文本
运行结果
6. 程序入口
def main():
app = wx.App()
frame = PPTExtractFrame()
frame.Show()
app.MainLoop()
if __name__ == '__main__':
main()
程序入口部分：
- 创建wx应用程序实例
- 创建并显示主窗口
- 启动事件循环