文章目录

一、Python安装和卸载库的方法
- 1.1 安装
- 1.2 卸载
二、工具
三、将PPT内容转化为Word
- 3.1 将PPT文本框里的文字转化为Word
- - 3.1.1 需要的库
  - 3.1.2 实现代码
  - 3.1.3 具体解释
- 3.2将PPT的图片也输出出来
- - 3.2.1 需要的库
  - 3.2.2 实现代码
四、利用OCR将图片信息存放在Word里
- 4.1 使用百度的api
- - 4.1.1 需要的库
  - 4.1.2 实现代码
  - 4.1.3 具体解释
  - 4.1.4 存在的问题
- 4.2 基于tesseract的OCR识别
- - 4.2.1 需要的库和软件
  - 4.2.2 实现代码
  - 4.2.3 具体解释
  - 4.2.4 存在的问题
- 4.3 一些另外的方法
- - 4.3.1 需要安装的库
  - 4.3.2 实现代码
  - 4.3.3 具体解释
  - 4.3.4 存在的问题
五、注意点

一、Python安装和卸载库的方法

1.1 安装

在搜索栏搜索cmd，然后输入pip install +库名字，举个例子，需要安装python-pptx，那就输入 pip install python-docx。

1.2 卸载

在搜索栏搜索cmd，然后输入pip uninstall +库名字，举个例子，需要卸载python-pptx，那就输入 pip uninstall python-docx。

二、工具

我所使用的是pycharm，个人感觉比较好用。
下载配置教程可点击这里

三、将PPT内容转化为Word

3.1 将PPT文本框里的文字转化为Word

3.1.1 需要的库

所需要下载的库为：python-pptx和python-docx两个。

3.1.2 实现代码

from pptx import Presentation
from docx import Documentwordfile = Document()
# 给定ppt文件所在的路径
filepath = r'E:\vs\w.pptx'
pptx = Presentation(filepath)
# 遍历ppt文件的所有幻灯片页
for slide in pptx.slides:# 遍历幻灯片页的所有形状for shape in slide.shapes:# 判断形状是否含有文本框，如果含有则顺序运行代码if shape.has_text_frame:# 获取文本框text_frame = shape.text_frame# 遍历文本框中的所有段落for paragraph in text_frame.paragraphs:# 将文本框中的段落文字写入word中wordfile.add_paragraph(paragraph.text)
#word文档存放的路径
save_path = r'E:\vs\w.docx'
wordfile.save(save_path)

3.1.3 具体解释

具体的解释可以点击这里
或者这一个
需要注意的地方就是里面的Document后面的*要去掉，要不然会报错，还有在wordfile.add_paragraph(paragraph.text这一句中少了)。

3.2将PPT的图片也输出出来

3.2.1 需要的库

所需要下载的库为：python-pptx。

3.2.2 实现代码

如果有图片的话，会直接存放当前Pycharm的项目文件夹之中。

from pptx import Presentation
from pptx.shapes.picture import Pictureprs = Presentation("E:\k\w.pptx")#这是你ppt的路径
index = 1
#读取幻灯片的每一页
for slide in prs.slides:# 读取每一板块for shape in slide.shapes:# print(dir(shape))#是否有文字框if shape.has_text_frame:#读文字框的每一段落for paragraph in shape.text_frame.paragraphs:if paragraph.text:# 输出段落文字,也有一些属性,可以用dir查看# print(dir(paragraph))print(paragraph.text)#是否有表格elif shape.has_table:one_table_data = []for row in shape.table.rows:  # 读每行row_data = []for cell in row.cells:  # 读一行中的所有单元格c = cell.textrow_data.append(c)one_table_data.append(row_data)  # 把每一行存入表#用二维列表输出表格行和列的数据print(one_table_data)# 是否有图片elif isinstance(shape, Picture):#shape.image.blob:二进制图像字节流,写入图像文件with open(f'{index}.jpg', 'wb') as f:f.write(shape.image.blob)index += 1

四、利用OCR将图片信息存放在Word里

4.1 使用百度的api

4.1.1 需要的库

所需要下载的库为：baidu-aip和python-docx两个。

4.1.2 实现代码

# 从相应的aip导入AipOcr模块
from aip import AipOcr
from docx import Documentwordfile = Document()
# 输入凭证
APP_ID = "19307867"
API_Key = "HM1UDlzRPrr7TE6xw9YHDSnZ"
Secret_Key = "6jUGVGRLMrbByWz0vPs5w5NOS8m6GMOl"
aipOcr = AipOcr(APP_ID, API_Key, Secret_Key)# 输入资源
filePath = r"D:\pythonProject"
for i in range(1, 499):filePath1 = filePath + "\\" + str(i) + ".jpg" # 最好是jpg,名称统一image = open(filePath1, "rb").read()# 接通ocr接口result = aipOcr.basicGeneral(image)# 输出mywords = result["words_result"]for i in range(len(mywords)):print(mywords[i]["words"])wordfile.add_paragraph(mywords[i]["words"])save_path = r'E:\vs\w.docx'
wordfile.save(save_path)

4.1.3 具体解释

具体解释点击这里

4.1.4 存在的问题

这个是直接调用api的，调用多次的话就会失效，需要过一段时间才可以再次调用。所以，需要大批量的识别的话，不建议这种方式。

4.2 基于tesseract的OCR识别

4.2.1 需要的库和软件

所需要下载的库为：python-pptx、pytesseract和pillow。
所需要下载的软件为 tesseract
具体安装和配置方法参考其他博主

4.2.2 实现代码

from PIL import Image
import pytesseract
import pptximage = Image.open(r'2.jpg')#打开图片
result = pytesseract.image_to_string(image,lang='eng')#使用简体中文字库识别图片并返回结果
print(result)#打印识别的图片内容

4.2.3 具体解释

Python3使用 pytesseract 进行图片识别
Python3.6实现图片转文字

4.2.4 存在的问题

这一个方法识别率刚好不符合我的要求，因为它不可以很好的识别出图片里面数字的正负。

4.3 一些另外的方法

4.3.1 需要安装的库

所需要下载的库为：requests和python-docx（要转化为word才需要）。

4.3.2 实现代码

import requests
import base64
from docx import Documentwordfile = Document()def ocr(img_path: str) -> list:'''根据图片路径，将图片转为文字，返回识别到的字符串列表'''# 请求头headers = {'Host': 'cloud.baidu.com','User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.114 Safari/537.36 Edg/89.0.774.76','Accept': '*/*','Origin': 'https://cloud.baidu.com','Sec-Fetch-Site': 'same-origin','Sec-Fetch-Mode': 'cors','Sec-Fetch-Dest': 'empty','Referer': 'https://cloud.baidu.com/product/ocr/general','Accept-Language': 'zh-CN,zh;q=0.9,en;q=0.8,en-GB;q=0.7,en-US;q=0.6',}# 打开图片并对其使用 base64 编码with open(img_path, 'rb') as f:img = base64.b64encode(f.read())data = {'image': 'data:image/jpeg;base64,'+str(img)[2:-1],'image_url': '','type': 'https://aip.baidubce.com/rest/2.0/ocr/v1/general_basic','detect_direction': 'false'}# 开始调用 ocr 的 apiresponse = requests.post('https://cloud.baidu.com/aidemo', headers=headers, data=data)# 设置一个空的列表，后面用来存储识别到的字符串ocr_text = []result = response.json()['data']if not result.get('words_result'):return []# 将识别的字符串添加到列表里面for r in result['words_result']:text = r['words'].strip()ocr_text.append("  ")ocr_text.append(text)wordfile.add_paragraph(ocr_text)# 返回字符串列表return ocr_text'''
img_path 里面填图片路径,这里分两种情况讨论:
第一种:假设你的代码跟图片是在同一个文件夹，那么只需要填文件名,例如 test1.jpg (test1.jpg 是图片文件名)
第二种:假设你的图片全路径是 D:/img/test1.jpg ,那么你需要填 D:/img/test1.jpg
'''for i in range(300, 400):img_path10 = str(i) + ".jpg"content = "".join(ocr(img_path10))print(content)# img_path = '2.jpg'
# # content 是识别后得到的结果
# content = "".join(ocr(img_path))
# # 输出结果
# print(content)
save_path = r'E:\vs\前400.docx'
wordfile.save(save_path)

4.3.3 具体解释

使用Python快速实现图片文字识别（30行代码）

4.3.4 存在的问题

这一个实质上也是在调用api接口，所以调用多次后会失效，需要过一阵子才可以继续使用。

五、注意点

Python的解释器最好选择你安装Python路径下面的python.exe，这样可以避免你安装了一些库，但是你编译的时候显示找不到库的问题。

--------------------------------下面未整理------------------------------
出现的问题

Python在终端通过pip安装好包以后，在Pycharm中依然无法使用的解决办法

Python实现PPT转化为Word和OCR识别相关推荐

怎么把ppt转化为word文档格式
ppt文件虽然浏览起来很方便,但是作为文件传送格式就不是那么好了,一来太大,二来一不小心就会将文档修改,所以将ppt转换成word格式是我们必须掌握的技能,下面就一起学习ppt转换成word格式的方法 ...
PYTHON借用腾讯AI实现通用OCR识别
import qqai import base64 import types your_app_id = '2******4' ###自己的appid your_app_key = 'Bf****** ...
pdf转word用python轻松搞定_使用Python将PDF转化为word
60行Python代码,实现多线程PDF转Word 分解任务把PDF转为Word,分几步?两步,第一步读取PDF文件,第二步写入Word文件. 是的,就是这么简单,借助Python第三方包,可以轻松 ...
python 生成ppt 比例_如何用Python将PDF转化为PPT
通常,大家的需求都是将PPT转化为PDF,无论是Word还是WPS都已经实现了这些功能.偶尔也会需要把PDF转为PPT.原则上来说,可以利用python的一些库解析PDF,但是这显然比较麻烦.最好的办 ...
ubuntu 下 python 将ppt,word 转换为pdf.
最近发现了一个挺厉害的人工智能学习网站,内容通俗易懂,风趣幽默,感兴趣的可以点击此链接进行查看:床长人工智能教程废话不多说,请看正文! 前言: 在我以前的博客中有这么两篇博客,一篇是:将word 转 ...
python ubuntu word txt 转pdf_ubuntu 下 python 将ppt,word 转换为pdf.
前言: 在我以前的博客中有这么两篇博客,一篇是:将word 转换为图片(word to pdf ->pdf to image),另一篇是:python将ppt文件转换为jpg图片. 这两篇博客都 ...
ubuntu下使用python将ppt转成图片_在Ubuntu下，python将PPT和word转换为PDF,ubuntu,pptword,pdf...
前言: 在我以前的博客中有这么两篇博客,一篇是: python将ppt文件转换为jpg图片 . 这两篇博客都是讲如何将word,ppt转换为图片,但是这些方法都是在win系统中实现的,而在ubuntu ...
应用python的docx模块解析word文件内容
目录工作问题涉及知识点实现过程目标调用对应的库和模块定义通用方法 1.[遍历全部的同格式文件]返回一个文件夹内,限定某类格式文件,返回全部这类文件的绝对路径 2.[提取段落&表格中 ...
Python自动化ppt制作工牌
最近被已毕业的师兄拉过去给一次会议当注册人员,要挨个给参会人员制作工牌,就是将下面的表单数据里面的人名以及其拼音,按照给的ppt模版手工挨个复制粘贴过去. 虽然参会人员没有成千上万人,我们几个机动注册 ...

Python实现PPT转化为Word和OCR识别