如何从 powerpoint (python-pptx) 访问图像

Question

我很难尝试使用 python-pptx 库 access/save 图像。因此，如果图像的形状类型为 PICTURE（即 shape.shape_type == MSO_SHAPE_TYPE.PICTURE），我可以使用 'blob' 属性轻松 access/save 图像。这是代码：

import argparse
import os
from PIL import Image
import pptx
from pptx.enum.shapes import MSO_SHAPE_TYPE
from pptx import Presentation
from mdutils.mdutils import MdUtils
from mdutils import Html

def main():

    parser = argparse.ArgumentParser()
    parser.add_argument('ppt_name', type=str, help='add the name of the PowerPoint file(NOTE: the folder must be in the same directory as the prorgram file')
    args = parser.parse_args()
    
    pptx_name = args.ppt_name
    pptx_name_formatted = pptx_name.split('.')[0]

    prs = Presentation(pptx_name)

    path = '{}_converted'.format(pptx_name_formatted)
    if not os.path.exists(path):
        os.mkdir(path)
    images_folder = '{}_images'.format(pptx_name_formatted)
    images_path = os.path.join(path, images_folder)
    if not os.path.exists(images_path):
        os.mkdir(images_path)

    ppt_dict = {} #Keys: slide numbers, values: slide content
    texts = []
    slide_count = 0
    picture_count = 0
    for slide in prs.slides:
        texts = []
        slide_count += 1
        
        for shape in slide.shapes:
            if shape.has_text_frame:
                if '\n' in shape.text:
                    splitted = shape.text.split('\n')
                    for word in splitted:
                        if word != '':
                            texts.append(word)
                elif shape.text == '':
                    continue
                else:
                    texts.append(shape.text)
            elif shape.shape_type == MSO_SHAPE_TYPE.PICTURE:
                with open('{}/image{}_slide{}.png'.format(images_path, picture_count, slide_count), 'wb') as f:
                    f.write(shape.image.blob)
                    picture_count += 1
            ppt_dict[slide_count] = texts

    ppt_content = ''
    for k,v in ppt_dict.items():
        ppt_content = ppt_content + ' - Slide number {}\n'.format(k)
        for a in v:
            ppt_content = ppt_content + '\t - {}\n'.format(a)

    mdFile = MdUtils(file_name='{}/{}'.format(path,path)) #second argument isn't path, it just shares the path name.
    mdFile.write(ppt_content)
    mdFile.create_md_file()


if __name__ == "__main__":
    main()

问题是当图片是形状类型'auto shape'时，我试了很多方法都没有用。当我执行运行时，我知道形状的以下代码是图片：

         if shape.shape_type == MSO_SHAPE_TYPE.AUTO_SHAPE:
                print(shape.auto_shape_type)
                print(shape.fill.type)

#indented because it's in a for loop

它为 shape.auto_shape_type

输出 RECTANGLE

和 PICTURE 对于 shape.fill.type

但我现在想要的是保存图片（可能通过写入图像的二进制图像字节流）。有人可以帮忙吗？

Answer 1

图像（部分，有斑点）的“link”在填充定义中。使用它你可以得到图像。

用shape.fill._xPr.xml打印出XML周围的填充定义。这将使您了解需要导航到的内容。很有可能它看起来像 "rId9" 和一些特定的其他数字，其中“9”占位符在该示例中。可能在 "blipfill" 附近。该图像用作形状的“填充”，所以这就是这里发生的事情。

然后使用 slide._part 之类的东西获取幻灯片部分，并使用其 .related_parts“dict”使用 relationship-id[= 查找图像“填充”部分38=]（类似“rId9”的字符串）。

image_part = slide._part.related_parts["rId9"]

ImagePart 实现在这里：
https://github.com/scanny/python-pptx/blob/master/pptx/parts/image.py#L21
它提供了对图像的访问权限以及有关图像的大量详细信息。

您必须使用 lxml 调用来检索类似“rId9”的字符串，大致类似于：

rIds = shape.fill._xPr.xpath(".//@embed") rId = rIds[0]

您需要对 XPath 进行一些研究，以根据您在前面的步骤中打印出的 XML 计算出正确的表达式。 XPath 上有很多内容，包括这里的 SO，这是一个入门资源：http://www.rpbourret.com/xml/XPathIn5.htm

如果您无法解决，post 您打印出来的 XML 我们可以帮助您进行下一步。

Answer 2

这是我的方法，感谢 scanny。

    for slide in prs.slides:
        slide_count += 1

        slide_parts = list(slide._part.related_parts.keys())
        for part in slide_parts:
            image_part = slide._part.related_parts[part]
            if type(image_part) == pptx.parts.image.ImagePart or pptx.opc.package.Part:
                file_startswith = image_part.blob[0:1]
                if file_startswith == b'\x89' or file_startswith == b'\xff' or file_startswith == b'\x47':
                    with open('{}/image{}_slide{}.png'.format(images_path, picture_count, slide_count), 'wb') as f:
                        f.write(image_part.blob)
                        picture_count += 1

存在用于检查 PNG、JPEG 或 GIF 的 if 条件，因为 pptx.opc.package.Part 并不总是图像。

实际上，我想既然我正在检查 image_part.blob 的开头，我认为我不需要包括说 if type(image_part) == pptx.parts.image.ImagePart or pptx.opc.package.Part:

但只要它正常工作...

如何从 powerpoint (python-pptx) 访问图像

How can I access images from powerpoint (python-pptx)

python

powerpoint

python-pptx