Question

我在目录中有很多要搜索的pptx文件，我正在这些文件中查找特定的单词“数据” 。我创建了下面的代码，该代码读取所有文件，但没有提供正确的结果 true或false 。例如，在qreader = QREader.Builder(view.context, surface_view, QRDataListener { data -> myTextView.post { doSomething(data) } }) .facing(QREader.BACK_CAM) .enableAutofocus(true) .height(surface_view.height) .width(surface_view.width) .build()中，单词“数据” 以两个“形状” 存在。问题是确切的错误在哪里以及为什么代码会产生错误的结果。

Person1.pptx

结果如下

from pptx import Presentation
import os
files = [x for x in os.listdir("C:/Users/../Desktop/Test") if x.endswith(".pptx")]
for eachfile in files:
    prs = Presentation("C:/Users/.../Desktop/Test/" + eachfile)
    print(eachfile)
    print("----------------------")
    for slide in prs.slides:
        for shape in slide.shapes:
            print ("Exist? " + str(hasattr(shape, 'data')))

预期结果将是在一张幻灯片中找到单词“ data”并打印true。实际上，预期结果将是：

Person1.pptx
----------------------
Exist? False
Exist? False
Exist? False
Exist? False
Exist? False
Exist? False
Exist? False
Exist? False
Person2.pptx
----------------------
Exist? False
Exist? False
Exist? False
Exist? False
Exist? False
Exist? False
Exist? False
Exist? False
Exist? False
Exist? False
Exist? False

如果在每张幻灯片的任何形状中均存在该单词，则为真；如果在幻灯片的所有形状中均不存在该单词，则为否。

Answer 1

我自己找到的。：）

from pptx import Presentation
import os

files = [x for x in os.listdir("C:/Users/.../Desktop/Test") if x.endswith(".pptx")] 

for eachfile in files:
    prs = Presentation("C:/Users/.../Desktop/Test/" + eachfile) 
    for slide in prs.slides:
        for shape in slide.shapes:
            if hasattr(shape, "text"):
                shape.text = shape.text.lower()
                if "whatever_you_are_looking_for" in shape.text:
                    print(eachfile)
                    print("----------------------")
                    break

Answer 2

回答以上问题可能会比我误导更多。还不完整。没错。但这会在许多现实生活中产生错误的结果。

问题在于它忽略了要解析的许多结构。上面的代码仅解析其中一些（形状本身直接带有文本的形状）。组也必须解析为找到具有所需文本的所有形状的最重要结构。该形状本身可能不包含文本，但可能包含包含文本的形状。

该组形状或其形状也可以包含其他组。这导致我们需要迭代搜索策略。因此，在解析每个幻灯片中的形状时需要一种不同的方法。最好通过重用上面的代码，并保留第一部分来说明这一点：

from pptx import Presentation
import os

files = [x for x in os.listdir("C:/Users/.../Desktop/Test") if x.endswith(".pptx")] 

for eachfile in files:
    prs = Presentation("C:/Users/.../Desktop/Test/" + eachfile) 
    for slide in prs.slides:

然后我们需要用对递归部分的调用来代替“ hasattr”测试：

        checkrecursivelyfortext(slide.shapes)

，并插入该函数的新递归函数定义（如import语句之后）。为了使比较容易，插入的函数使用与上面相同的代码，只添加了递归部分：

def checkrecursivelyfortext(shpthissetofshapes):
    for shape in shpthissetofshapes:
        if shape.shape_type == MSO_SHAPE_TYPE.GROUP:
            checkrecursivelyfortext(shape.shapes)
        else:
            if hasattr(shape, "text"):
                shape.text = shape.text.lower()
                if "whatever_you_are_looking_for" in shape.text:
                    print(eachfile)
                    print("----------------------")
                    break

要完全按照需要工作，需要以不同的方式处理中断（中断所有正在进行的循环）。这会使代码复杂一些，而错过了对组解析的关注，因此在此忽略。

在多个PowerPoint文件中查找单词

2 个答案: