Python实现PPT转化为Word和OCR识别

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 Document

wordfile = 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 Picture

prs = 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.text
                    row_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 Document


wordfile = 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 pptx

image = 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 Document


wordfile = 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 api
    response = 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