在Python中将ppt文件转换为pptx

Question

目标：我需要从表中提取文本（列名称为姓名、地址、联系电话、电子邮件等）。ppt文件。为此，我采用了以下方法：

我皈依了。将ppt文件转换为pdf，然后使用PDFminer从pdf中提取数据。从pdf中提取的文本不使用任何分隔符分隔。由于很难区分此表中的其他字段和名称。

我正在研究的可能解决方案：

1. 皈依。下载ppt文件。pptx
2. 解析的xml。获取格式化文本的pptx文件

我被困在文件格式从. ppt转换到. pptx的第一步。我找不到任何解决方案转换. ppt文件格式到. pptx在python格式。

Answer 1

对于MacOS Homebrew用户：安装Apache Tika（brew安装tika）

命令行界面的工作原理如下：

tika --text something.ppt > something.txt

要在python脚本中使用它：

import os
os.system("tika --text temp.ppt > temp.txt")

你将能够做到这一点，这是迄今为止我唯一的解决方案。

Answer 2

我已经创建了这个代码，希望它能为您工作：

    import win32com.client
    PptApp = win32com.client.Dispatch("Powerpoint.Application")
    PptApp.Visible = True
    PPtPresentation = PptApp.Presentations.Open(r'D:\ppt\sample.ppt')
    PPtPresentation.SaveAs(r'D:\ppt\final.pptx', 24)
    PPtPresentation.close()
    PptApp.Quit()