PPT 和 PPTX 格式（PowerPoint）
PPT/PPTX 是 Microsoft PowerPoint 的演示文稿格式。PPT 是早期的二进制 OLE 复合文件（PowerPoint 97-2003），PPTX 是 2007 年起的 Office Open XML（OOXML）基于 ZIP 的开放标准（ISO/IEC 29500）。PPT 兼容老旧系统，PPTX 体积更小、可扩展性更好。
格式简介
- PPT：二进制格式存储于 OLE 复合文档，扩展名
.ppt，MIMEapplication/vnd.ms-powerpoint - PPTX：OOXML 标准，基于 ZIP 打包 XML 与资源，扩展名
.pptx，MIMEapplication/vnd.openxmlformats-officedocument.presentationml.presentation
技术特点
PPT（OLE 复合文档）
- OLE 复合文档，包含多流（Presentation、SummaryInfo 等）
- 二进制格式存储幻灯片、动画、媒体资源
- 兼容性好，结构封闭、扩展性弱
PPTX（OOXML/ZIP）
- 基于 OPC（Open Packaging Convention），ZIP 打包 XML
- 清晰的部件：
ppt/presentation.xml、ppt/slides/*.xml、ppt/media/、ppt/theme/ - 体积更小，支持媒体资源分离、样式分离，易于解析与扩展
文件结构
PPT（简化示例）
[OLE Header]
├── Presentation # 演示文稿流（幻灯片/动画/格式）
├── SummaryInformation
└── DocumentSummaryInformation
PPTX（简化示例）
presentation.pptx (ZIP)
├── [Content_Types].xml # 内容类型
├── _rels/.rels # 包级关系
├── ppt/presentation.xml # 演示文稿定义
├── ppt/slides/slide1.xml # 幻灯片内容
├── ppt/slides/slide2.xml
├── ppt/media/ # 媒体资源
│ ├── image1.png
│ └── video1.mp4
├── ppt/theme/theme1.xml # 主题
├── ppt/slideLayouts/ # 幻灯片布局
└── ppt/_rels/presentation.xml.rels # 演示文稿关系
使用场景
适用场景
- 演示文稿：商务演示、教学课件、产品展示
- 报告制作：工作报告、项目汇报、学术报告
- 培训材料：培训课件、教学材料
- 模板分发：企业模板、设计模板
优缺点
优点：
- 广泛兼容，办公场景标准
- PPTX 体积小、易解析；PPT 兼容旧系统
- 支持动画、过渡效果、多媒体嵌入
- 支持模板、主题、母版设计
缺点：
- PPT 为专有二进制，扩展性差、易损坏
- 大文件加载速度慢，内存占用高
- PPTX 解压/解析相对开销
- 某些高级功能需要特定版本支持
代码示例
Python（python-pptx 读取）
from pptx import Presentation
# 打开 PPTX 文件
prs = Presentation('presentation.pptx')
# 遍历幻灯片
for i, slide in enumerate(prs.slides):
print(f"幻灯片 {i+1}:")
# 遍历形状
for shape in slide.shapes:
if hasattr(shape, "text"):
print(f" 文本: {shape.text}")
Python（python-pptx 创建）
from pptx import Presentation
from pptx.util import Inches
# 创建新演示文稿
prs = Presentation()
# 添加幻灯片（使用标题和内容布局）
slide_layout = prs.slide_layouts[1]
slide = prs.slides.add_slide(slide_layout)
# 添加标题
title = slide.shapes.title
title.text = "演示文稿标题"
# 添加内容
content = slide.placeholders[1]
content.text = "这是幻灯片内容"
# 保存
prs.save('demo.pptx')
Python（提取文本）
from pptx import Presentation
prs = Presentation('presentation.pptx')
# 提取所有文本
text_runs = []
for slide in prs.slides:
for shape in slide.shapes:
if hasattr(shape, "text"):
text_runs.append(shape.text)
print('\n'.join(text_runs))
命令行转换（LibreOffice）
# 转换为 PDF
libreoffice --headless --convert-to pdf input.pptx
# 转换为 PPT
libreoffice --headless --convert-to ppt input.pptx
# 转换为 HTML
libreoffice --headless --convert-to html input.pptx
Python（提取图片）
from pptx import Presentation
import os
prs = Presentation('presentation.pptx')
# 创建输出目录
os.makedirs('extracted_images', exist_ok=True)
# 提取所有图片
for i, slide in enumerate(prs.slides):
for j, shape in enumerate(slide.shapes):
if hasattr(shape, "image"):
image = shape.image
image_bytes = image.blob
image_ext = image.ext
with open(f'extracted_images/slide{i}_img{j}.{image_ext}', 'wb') as f:
f.write(image_bytes)
相关工具
- 编辑器：
- Microsoft PowerPoint：官方编辑器
- WPS 演示：国产办公软件
- LibreOffice Impress：开源演示软件
- Google Slides：在线演示工具
- 转换/处理：
libreoffice-cli：命令行转换工具unoconv：文档转换工具pptx2pdf：PPTX 转 PDF
- 编程库：
- Python:
python-pptx、python-pptx-template - Java:
Apache POI - JavaScript:
pptxgenjs、officegen
- Python:
