python-pptx“.ppt”处理工作

Question

我目前正在尝试从 .ppt 和 .pptx 文件中提取文本。我成功地使用 python-pptx 来处理 .pptx 文件，但是根据its documentation，“来自 PowerPoint 2003 及更早版本的 .ppt 文件将不起作用。”

当使用这行代码创建演示项目时：

`prs = Presentation("Filepath\\presentation.ppt")`

我收到以下错误：

`Traceback (most recent call last):
...shortened for brevity....
KeyError: "no relationship of type 'http://schemas.openxmlformats.org/officeDocument/2006/relationships/officeDocument' in collection"`

我认为出现此错误是因为 python-pptx 无法处理 .ppt 文件。我尝试了三种方法来解决这种情况：

1. 我想使用与 python-pptx 关联的.save() 函数，但我必须制作一个演示项目才能做到这一点。我不能这样做，因为我必须首先使用无法处理 .ppt 文件的 python-pptx。
2. 使用os.rename(src, dst)
   • 这没有工作。重命名文件与“另存为”不同，因此会使文件损坏。

3. 我使用win32com 打开 PowerPoint 应用程序，打开 .ppt 文件，然后将文件另存为 .pptx，然后关闭文件和应用程序。

   • 此方法有效，但确实“笨拙”。 （参见下面的代码。）

   Application = win32com.client.Dispatch("PowerPoint.Application") Application.Visible = True Presentation = Application.Presentations.Open("Filepath\\presentation.ppt") Presentation.Saveas("Filepath\\presentation.pptx") Presentation.Close() Application.Quit()

我向社区提出的问题是，是否有更复杂或更优雅的方式来解决我的困境。我的困境是我希望能够从 .ppt 文件中解析文本，而 python-pptx 不处理这些文件类型。

Answer 1

您的方法是我会这样做的方式，也许是在开始python-pptx 处理之前作为一个批处理过程。我可能会使用 IronPython 来访问 MS API，但它本质上是相同的方法。

您可以使用 Python 库来执行此操作，该库可处理 LibreOffice 或 Open Office 库作为替代方案（PyOO 就是一个示例）。这可能具有不需要 Windows 的优点，但它本质上仍然是“编写”正在运行的 Office 应用程序来完成工作；它不是一个直接的库接口。这意味着它可能不太适合可靠运行的服务器端，如果这就是您所追求的。