python pptx文本提取

最近做的项目要把PPT中的文本提取出来做其他任务，现把PPT提取文本的过程摘出来做个记录，主要是组合shape需要通过迭代的方式进行解析（iter_shape函数）

import pptxdef iter_shape(shape, text_shapes):if type(shape) == pptx.shapes.group.GroupShape:for sshape in shape.shapes:iter_shape(sshape, text_shapes)else:if shape.has_text_frame:text_shapes.append(shape)# pptx中段落文本
def pptx_paragraph_text(file):text_shapes = []shapes = [shape for slide in file.slides for shape in slide.shapes]for shape in shapes:iter_shape(shape, text_shapes )paragraphs = [paragraph for shape in text_shapes \for paragraph in shape.text_frame.paragraphs]return [p.text for p in paragraphs]# pptx中表格翻译def pptx_table_text(file):shapes = [shape for slide in file.slides for shape in slide.shapes if shape.has_table]cells = [cell for shape in shapes for cell in shape.table.iter_cells() if cell.text_frame]return [cell.text for cell in cells]def pptx_file_translate(ppt_file):# 打开PPTfile = pptx.Presentation(ppt_file)# 段落文本para_text = pptx_paragraph_text(file)# 表格文本table_text = pptx_table_text(file)return para_text, table_text

python pptx文本提取相关推荐

python tensorflow 文本提取_如何在tensorflow中保存文本分类模型？
阅读tensorflow documentation进行文本分类时,我在下面建立了一个脚本,用于训练文本分类模型(正/负).有一件事我不确定.如何保存模型以便以后重用?另外,如何测试我拥有的输入测试集 ...
python自动发邮件富文本_django 实现后台从富文本提取纯文本
前言: 很多时候我们都会用富文本,比如说在版权区.博客文章编辑时等等.但是如果我们要做一个搜索的功能,去从富文本中查找关键字,就需要将富文本中的文本了.但是 django 并没有专门函数去做.这个时候 ...
Python使用pdfminer3k提取PDF文件中的文本
推荐教材: <Python程序设计(第3版)>,(ISBN:978-7-302-55083-9),董付国,清华大学出版社,2020年6月第1次印刷,2021年12月第11次印刷,山东省一流 ...
python中文模糊关键词提取_用Python给你的文本提取关键词
对代码.编程感兴趣的可以关注「老K玩代码」公众号和我交流!分享代码.经验.项目和资讯用Python给你的文本提取关键词关键词提取是自然语言处理中常见的业务模块; 要实现关键词提取,Python ...
python 读取特定一段文本_python提取文本内容 python读取文本每行指定内容
用"python"怎么提取文件里的指定内容?原来这些年,他痊愈的只是外表,有一种伤,它深入骨髓,在人看不见的地方肆虐. python读取文件内容的方法: 一.最方便的方法是一次性读 ...
python 英文文本中的关键词提取
python 英文关键词提取详细教程: https://opensourcelibs.com/lib/pytextrank # To install from PyPi: 慢就加镜像 -i pytho ...
python nlp 句子提取_Python可以把一个文本里部分词语相同的句子提取出来吗？
谢邀,题主的这个问题与具体的编程语言无关.涉及的知识点或者说技术点为NLP(自然语言处理).不过由于Python处理文本内容的便捷性,人们常常会用Python来做NLP. 如果你不想了解原理,直接使用 ...
Python pptx模块
安装pptx pip install python-pptx Python pptx模块是一个Python库,用于创建和更新Microsoft PowerPoint (.pptx)文件.该模块允许开发 ...
python 图片文本矫正
python 图片文本矫正代码 # -*- coding: UTF-8 -*- import numpy as np import cv2 import os ## 图片旋转 def rotat ...

python pptx文本提取

python pptx文本提取相关推荐

最新文章

热门文章