读取powerpoint .ppt文件

Question

我正在寻找如何使用最好的编程语言R读取.ppt文件(旧类型，而不是.pptx)的解决方案。如果没有，也欢迎其他解决方案(例如使用Python)。我基本上只需要.ppt文件中的文本。

我主要是在寻找库，但是任何简单的开源解决方案都会有帮助。

Answer 1

太长的评论，所以我会张贴作为一个答复，虽然这不是你所要求的，这部分应该是可以接受的。

如果您没有得到解决方案，这似乎是可能的，因为MS倾向于将其专有二进制格式保持非常私密，不要放弃。

无论如何，只要做我一开始就会做的事情；除非存在一些不兼容的问题(这是不太可能的)，请获取文件的副本，将其导入PowerPoint，让PP将其转换为PPTX并保存。使用R或Python进行处理(您还可以自动化导入/保存为操作)。

如果您无法访问PowerPoint，Libre很有可能完成任务。

如果失败，我经常在eBay上购买密钥。上个月，我花了12美元买了微软Office Pro。

如果这太贵了，注册成为微软开发人员是很容易的，你只需提出一个你想用他们的工具开发的项目，他们就会给你一年的免费Office 365 (可能很容易更新)。

如果所有这些都不起作用，那么你就是索尔，也不会比你开始的时候更糟糕:-/

祝你好运:-)

Answer 2

我找到了一个对我有用的解决方案。如果您有大量的文档，它并不是非常快，但至少它可以工作。它将ppt文件转换为pdfs，然后可以使用任何编程语言提取文本。进一步的信息可以在这里找到https://community.esri.com/thread/179174。