複数のパワーポイントファイルからpythonを使ってテキストを抽出する

Question

フォルダーを見て、そのフォルダー内のすべてのパワーポイント文書の内容を、特定の文字列、できればPythonを使って検索します。これらの文字列が見つかったら、その文字列の後にあるテキストとそれが見つかった文書を報告したいと思います。情報をコンパイルしてCSVファイルで報告したいと思います。

これまでオレフィールのパッケージhttps://bitbucket.org/decalage/olefileio_pl/wiki/Homeにしか触れていません。これは特定の文書に含まれるすべてのテキストを提供しますが、これは私が探しているものではありません。助けてください。

Answer 1

python-pptxあなたが提案したことを行うために使用できます。あなたは、キーの文字列のための形状のテキストを検索し、それらを追加することについてのビットを追加する必要があると思い

from pptx import Presentation 

for pptx_filename in directory: 
    prs = Presentation(pptx_filename) 
    for slide in prs.slides: 
     for shape in slide.shapes: 
      print shape.text 

：ちょうどハイレベルで、あなたは、この（コードは動作していない、ただ、全体的なアプローチの考え方）のような何かをするだろうCSVファイルなどに変換できますが、この一般的なアプローチはうまくいくはずです。私は細かい点:)

Answer 2

実際

from pptx import Presentation 
import os 


files = [x for x in os.listdir() if x.endswith(".pptx")] 


for eachfile in files: 
    prs = Presentation(eachfile) 
    print(eachfile) 
    print("----------------------") 
    for slide in prs.slides: 
     for shape in slide.shapes: 
      if hasattr(shape, "text"): 
       print(shape.text)pe.text)