Python实现PPT转化为Word和OCR识别 |
您所在的位置：网站首页 › 将ppt转化为word文档 › Python实现PPT转化为Word和OCR识别 |
Python实现PPT转化为Word和OCR识别
|
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Word3.1 将PPT文本框里的文字转化为Word3.1.1 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api4.1.1 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。 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 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。 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 |
--------------------------------下面未整理------------------------------ 出现的问题
【本文地址】