在Python中将ppt文件转换为pptx

Question

有没有办法将.ppt文件转换为.pptx文件。

目标：我需要从.ppt文件中的表中提取文本（列名称为姓名、地址、联系电话、电子邮件等）。为此，我遵循了这种方法：

我将.ppt文件转换为pdf，然后使用PDFminer从pdf中提取数据。从 pdf 中提取的文本不使用任何分隔符分隔。因此，很难区分表中的名称和其他字段。

我正在研究的可能解决方案：

1. 将 .ppt 文件转换为 .pptx
2. 解析 .pptx 文件的 xml 以获取格式化文本

我被困在将文件格式从 .ppt 转换为 .pptx 的第一步。 我找不到任何在 python 中将 .ppt 文件格式转换为 .pptx 格式的解决方案。

Answer 1

我创建了这段代码希望这对您有用：

    import win32com.client
    PptApp = win32com.client.Dispatch("Powerpoint.Application")
    PptApp.Visible = True
    PPtPresentation = PptApp.Presentations.Open(r'D:\ppt\sample.ppt')
    PPtPresentation.SaveAs(r'D:\ppt\final.pptx', 24)
    PPtPresentation.close()
    PptApp.Quit()

Answer 2

对于 MacOS Homebrew 用户：安装 Apache Tika (

brew install tika

)

命令行界面的工作方式如下：

tika --text something.ppt > something.txt

并在 python 脚本中使用它：

import os
os.system("tika --text temp.ppt > temp.txt")

你一定能做到，这是我迄今为止唯一的解决方案。

Answer 3

import os
os.system("libreoffice --headless --invisible --convert-to pptx *.ppt")

Answer 4

在 anaconda 3 上完美工作

from glob import glob
import re
import os
import win32com.client

paths = glob('C:\\yourfilePath\\*.ppt', recursive=True)

def save_as_pptx(path):
    PptApp = win32com.client.Dispatch("Powerpoint.Application")
    PptApp.Visible = True
    PPtPresentation = PptApp.Presentations.Open(path)
    PPtPresentation.SaveAs(path+'x', 24)
    PPtPresentation.close()
    PptApp.Quit()
    
for path in paths:
    print(path.replace("\\yourfile\\", "\\yourfile_ppt\\"))
    save_as_pptx(path)