python提取PPT中的图片

一、实现原理

其实实现原理很简单，我们的pptx文件其实是一个压缩包。我们可以直接修改pptx文件的后缀，改成zip然后解压，比如下面这个：

 

 

这是解压后的文件。我们可以在ppt目录下找到一个media目录，这个目录下就是我们要的图片的。这个目录包含了PPT的所有多媒体文件。

知道这点后，我们就可以选择用Python来解压出PPT中的media目录就可以提取出所有图片了。

二、提取PPT中的图片

1、打开压缩包

在Python中提供了一个zipfile模块用于处理压缩包文件。我们来看看它的简单操作：

from zipfile import ZipFile
# 打开压缩文件
f = ZipFile("test.pptx")
# 查看压缩包所有文件
for file in f.namelist():
    print(file)
# 关闭压缩包文件
f.close()

　　输出的部分结果如下：

[Content_Types].xml
_rels/.rels
ppt/presentation.xml
ppt/slides/_rels/slide2.xml.rels
ppt/slides/slide1.xml
ppt/slides/slide2.xml
ppt/slides/slide3.xml

　　

可以看到我们打印出了压缩包的文件。

2、解压文件

我们还可以通过下面的方式打开压缩包：

from zipfile import ZipFile
with ZipFile("test.pptx") as f:
    for file in f.namelist():
        print(file)

　　通过with语句，就可以不显示地调用close方法。下面我们看看解压操作：

from zipfile import ZipFile
with ZipFile("test.pptx") as f:
    for file in f.namelist():
        # 解压文件
        f.extract(file, path="unzip")

　　

解压文件的操作通过f.extract来实现，这里传入了两个参数，分别是压缩包文件，和解压路径，如果压缩包有密码还需要传入解压密码。

然后我们还需要判断一下，如果是媒体目录我们才解压。我们添加一点代码：

from zipfile import ZipFile
with ZipFile("test.pptx") as f:
    for file in f.namelist():
        # 如果是media目录下的文件就解压
        if file.startswith("ppt/media/"):
            f.extract(file, path="unzip")

　　

这样我们就实现了PPT图片的提取。

三、提取PPT中的图片

我们把上面代码再完善一下：

import os
from zipfile import ZipFile
# 解压目录
unzip_path = "unzip"
# 如果解压目录不存在则创建
if not os.path.exists(unzip_path):
    os.mkdir(unzip_path)
with ZipFile("test1/test.pptx") as f:
    for file in f.namelist():
        if file.startswith("ppt/media/"):
            f.extract(file, path=unzip_path)

　　这里我们就是添加了一个解压目录的创建，这样我们执行的时候就不会因为目录不存在而报错了。