Skip to content
Office Oxide

从 python-pptx 迁移

Office Oxide 读取 PPTX 比 python-pptx 快 46 倍(806 个文件,平均 0.7 ms 对 32.5 ms),通过率高出 11.7 个百分点。它还能直接读取遗留 .ppt — python-pptx 做不到。

何时迁移

如果你在做下列任何一项,就切换:

  • 从 .pptx 提取幻灯片文本、备注或表格,用于数据摄取 / RAG
  • 把演示文稿转换为 Markdown 或 HTML 以供预览
  • 运行查找替换类模板(“Q3 → Q4”、“{{quarter}}”、“{{growth}}”)
  • 需要 .ppt 支持,但不想调用 LibreOffice
  • 想用一个库同时覆盖 .docx、.xlsx 以及遗留格式

继续用 python-pptx 的场景:

  • 从零构建带自定义版式、动画、切换效果和形状几何的复杂 PPTX
  • 需要对幻灯片版式 XML 的细粒度控制

安装

pip uninstall python-pptx
pip install office-oxide

对照速查

读取所有幻灯片文本

python-pptx

from pptx import Presentation

prs = Presentation("deck.pptx")
for slide in prs.slides:
    for shape in slide.shapes:
        if shape.has_text_frame:
            for para in shape.text_frame.paragraphs:
                for run in para.runs:
                    print(run.text)

office_oxide

from office_oxide import Document

with Document.open("deck.pptx") as doc:
    text = doc.plain_text()
print(text)

按幻灯片遍历

python-pptx

prs = Presentation("deck.pptx")
for i, slide in enumerate(prs.slides, 1):
    title = slide.shapes.title.text if slide.shapes.title else "(no title)"
    print(f"slide {i}: {title}")

office_oxide

with Document.open("deck.pptx") as doc:
    ir = doc.to_ir()

for i, section in enumerate(ir["sections"], 1):
    print(f"slide {i}: {section.get('title') or '(no title)'}")

每个 IR 章节对应一张幻灯片。section["title"] 来自标题占位符。

读取幻灯片上的表格

python-pptx

for slide in prs.slides:
    for shape in slide.shapes:
        if shape.has_table:
            for row in shape.table.rows:
                cells = [c.text for c in row.cells]
                print(cells)

office_oxide

with Document.open("deck.pptx") as doc:
    ir = doc.to_ir()

for section in ir["sections"]:
    for el in section["elements"]:
        if el["kind"] == "Table":
            for row in el["rows"]:
                print(row)

读取演讲者备注

python-pptx

for slide in prs.slides:
    if slide.has_notes_slide:
        print(slide.notes_slide.notes_text_frame.text)

office_oxide

plain_text() 和 to_markdown() 默认会包含备注 — 它们附在每张幻灯片章节的末尾。如果需要单独获取备注,使用格式专用访问器:

with Document.open("deck.pptx") as doc:
    pptx = doc.as_pptx()
    for i, slide in enumerate(pptx.slides(), 1):
        notes = slide.notes()
        if notes:
            print(f"slide {i} notes: {notes}")

模板化(查找并替换)

python-pptx — 没有一等公民 API;常见做法是遍历每个形状的文本框并重写。跨 run 匹配时容易出错。

office_oxide

from office_oxide import EditableDocument

with EditableDocument.open("deck_template.pptx") as ed:
    ed.replace_text("{{quarter}}", "Q4 2026")
    ed.replace_text("{{growth}}",  "+18.4%")
    ed.save("q4_deck.pptx")

replace_text 会遍历每张幻灯片和备注幻灯片中的每个 <a:t>,并保留所有未修改的 OPC 部件(图片、图表、版式、主题)。

转换为 Markdown / HTML

python-pptx — 没有内置。

office_oxide

with Document.open("deck.pptx") as doc:
    md   = doc.to_markdown()
    html = doc.to_html()

Markdown 输出每张幻灯片一个 ## Slide N 章节,正文紧随其后,备注作为引用块附加。

读取遗留 .ppt

python-pptx 打不开 .ppt。Office Oxide 可以直接读:

from office_oxide import Document

with Document.open("legacy.ppt") as doc:
    print(doc.plain_text())
    doc.save_as("modern.pptx")    # 一行完成迁移

性能

库 平均 p99 通过率
office_oxide 0.7 ms 3.9 ms 98.4%
python-pptx 32.5 ms 174 ms 86.7%

10 万份演示文稿的摄取任务,python-pptx 需要 54 分钟,office_oxide 只要 70 秒。

会丢失什么

EditableDocument 覆盖了模板化用例。要进行更丰富的 PPTX 构建 — 新增幻灯片、自定义版式、图表、动画 — 请下沉到 office_oxide.pptx::create::PptxBuilder,或者在创建环节继续用 python-pptx,摄取环节改用 office_oxide。

相关链接