python ".ppt“处理工作

Question

我目前正在尝试从.ppt和.pptx文件中提取文本。我正在成功地使用python来处理.pptx文件，但根据其文件的说法，“PowerPoint 2003及更早版本的.ppt文件无法工作”。

使用这一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"`

我认为发生此错误是因为python无法处理.ppt文件。我曾尝试以三种方法纠正这种情况：

1. 我想使用与python相关联的.save()函数，但要做到这一点，我必须做一个演示项目。我不能这样做，因为我必须使用python，它首先不能处理.ppt文件。
2. 利用os.rename(src, dst)
   • 这是因为没有的作用。重命名文件的工作方式与“保存”不一样，因此使文件损坏。

​

1. 我使用win32com打开PowerPoint应用程序，打开.ppt文件，然后将文件保存为.pptx，并关闭文件和应用程序。

- This method worked BUT it is really 'clunky.' (See code below.)

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()

我向社会人士提出的问题是，是否有更复杂或更优雅的方法来解决我的困境。我的困境是，我希望能够解析来自.ppt文件的文本，而python不处理这些文件类型。

Answer 1

您的方法就是我在开始python-pptx处理之前的方式，可能是作为一个批处理过程。我可能会使用IronPython访问MS，但本质上是相同的方法。

您可以使用一个将LibreOffice或Office库作为替代方案的Python来实现这一点(PyOO就是一个例子)。这可能具有不需要Windows的优点，但实际上它仍然是运行中的Office应用程序的“脚本”；它不是一个直接的库接口。这意味着，如果您想要的是可靠的运行服务器端，那么这可能不太适合。