有没有一个python包可以读取ms office文件的底层xml？

Question

我想在 python 中读取 PPTX 文件的 XML 并将字符串/数据结构保存到变量中。

我还找不到一个可以让我用 Python 完成此操作的包。

Answer 1

如果我理解正确的话，你可以只使用内置zipfile模块。

import zipfile
archive = zipfile.ZipFile('<My Powerpoint Name>.pptx', 'r')
xml_file = archive.open('[Content_Types].xml')
text = xml_file.read()
print(text)

[Content_Types].xml这将直接从存档内部打印出 xml 文本。

如果你想解析 XML，你可以使用内置xml模块。

import zipfile
import xml.etree.ElementTree as ET

archive = zipfile.ZipFile('<My Powerpoint Name>.pptx', 'r')
xml_file = archive.open('[Content_Types].xml')
text = xml_file.read()

root = ET.fromstring(text)
value_to_find = r'application/vnd.openxmlformats-package.relationships+xml'
for child in root:
    if child.attrib['ContentType'] == value_to_find:
        print(child.attrib)