PPTX 内容提取

解决的问题

Read 工具遇到 .pptx 时只能报二进制不可显示，而工程师经常需要快速查看幻灯片文本、表格、备注和图片数量。用 python-pptx 又可能在沙箱环境因 lxml 的 .so 签名问题触发 ImportError。这个技能把 .pptx 当作 ZIP + XML 解析，避免第三方依赖带来的环境风险。

工作方式

• 仅处理 Office 2007+ 的 .pptx，不支持旧版 .ppt。
• 使用 zipfile 打开包结构，并用 xml.etree.ElementTree 解析 presentationml 与 drawingml 命名空间。
• 输出文件名、幻灯片总数、每页文本的缩进层级、表格的 | 分隔内容、备注页内容，以及每页图片数量统计。
• 推荐调用系统自带的 python3，避免沙箱中动态库签名不一致。

适用边界

它适合把 PPTX 转成可读文本快照，不适合提取图片内容或做视觉还原。文件路径含空格时要用引号包裹；大量图片文件只会得到数量，不能得到图片本体。