如何使用 python-pptx 從 PowerPoint 中的組形狀中的文本形狀中提取文本。

Question

我的 PowerPoint 幻燈片有許多組形狀，其​​中有子文本形狀。

早些時候我使用了這段代碼，但它不處理組形狀。

for eachfile in files:
prs = Presentation(eachfile)

textrun=[]
for slide in prs.slides:
    for shape in slide.shapes:
        if hasattr(shape, "text"):
            print(shape.text)
            textrun.append(shape.text)
new_list=" ".join(textrun)
text_list.append(new_list)

我正在嘗試從這些子文本框中提取文本。 我已經設法使用 GroupShape.shape 到達這些子元素但是我得到一個錯誤，這些是'property'類型，所以我無法訪問文本或迭代（TypeError：'property' object is not iterable）他們。

from pptx.shapes.group import GroupShape
from pptx import Presentation
for eachfile in files:
prs = Presentation(eachfile)

textrun=[]
for slide in prs.slides:
    for shape in slide.shapes:
        for text in GroupShape.shapes:
            print(text)

然后我想捕獲文本並附加到字符串以進行進一步處理。

所以我的問題是，如何訪問子文本元素並從中提取文本。

我花了很多時間瀏覽文檔和源代碼，但一直無法弄清楚。 任何幫助，將不勝感激。

Answer 1

我認為你需要這樣的東西：

from pptx.enum.shapes import MSO_SHAPE_TYPE

for slide in prs.slides:
    # ---only operate on group shapes---
    group_shapes = [
        shp for shp in slide.shapes
        if shp.shape_type == MSO_SHAPE_TYPE.GROUP
    ]
    for group_shape in group_shapes:
        for shape in group_shape.shapes:
            if shape.has_text_frame:
                print(shape.text)

組形狀包含其他形狀，可通過其.shapes屬性訪問。 它本身不具有.text屬性。 所以你需要迭代組中的形狀並從每個形狀中獲取文本。

請注意，此解決方案僅深入一層。 遞歸方法可用於深度優先遍歷樹，並從包含組的組中獲取文本（如果有）。

另請注意，並非所有形狀都有文本，因此您必須檢查.has_text_frame屬性以避免引發異常，例如圖片形狀。

Answer 2

較早的答案遺漏了一些更深層次的“組中組”案例。 組形狀可以包含許多級別的形狀，包括組形狀。 因此，在許多現實生活中，需要在組形狀之間進行遞歸搜索。

上一個答案僅解析其中的一些（向下到組形狀的第二層）。 但即使是圖層組形狀也可能包含更多組。 所以我們需要一個迭代搜索策略。 這最好通過重用上面的代碼來展示，保留第一部分：

from pptx.shapes.group import GroupShape
from pptx import Presentation
for eachfile in files:
prs = Presentation(eachfile)

textrun=[]
for slide in prs.slides:
    for shape in slide.shapes:

然后我們需要將“for text in GroupShape.shapes:”測試替換為對遞歸部分的調用：

    textrun=checkrecursivelyfortext(slide.shapes,textrun)

並插入函數的新遞歸函數定義（如在 import 語句之后）。 為了便於比較，插入的函數使用了與上面相同的代碼，只是添加了遞歸部分：

def checkrecursivelyfortext(shpthissetofshapes,textrun):
    for shape in shpthissetofshapes:
        if shape.shape_type == MSO_SHAPE_TYPE.GROUP:
            textrun=checkrecursivelyfortext(shape.shapes,textrun)
        else:
            if hasattr(shape, "text"):
                print(shape.text)
                textrun.append(shape.text)
    return textrun

Answer 3

Mats Bengtsson 的回答是正確的，除了邏輯錯誤中的一個小錯誤會導致它重新循環對象、一些非 python 命名和丟失的導入。

錯誤在這里：

for slide in prs.slides:
    for shape in slide.shapes:
        textrun = checkrecursivelyfortext(slide.shapes,textrun)

由於他創建的函數循環遍歷 slide.shapes 中的所有形狀，最終結果是對於幻燈片上的每個形狀，它將遞歸遍歷幻燈片上的所有形狀！

這個修復很簡單，只需刪除“for shape in slide.shapes”的第二個循環並直接進入遞歸函數。

為了便於閱讀，我將發布整個固定片段。

from pptx.shapes.group import GroupShape
from pptx.enum.shapes import MSO_SHAPE_TYPE
from pptx import Presentation

def check_recursively_for_text(this_set_of_shapes, text_run):
    for shape in this_set_of_shapes:
        if shape.shape_type == MSO_SHAPE_TYPE.GROUP:
            check_recursively_for_text(shape.shapes, text_run)
        else:
            if hasattr(shape, "text"):
                print(shape.text)
                text_run.append(shape.text)
    return text_run


for eachfile in files:
    prs = Presentation(eachfile)
    text_run=[]
    for slide in prs.slides:
        text_run = check_recursively_for_text(slide.shapes, text_run)