python-pptxを用いたセクション名の取得

0.はじめに

Microsoft Officeは各企業において多用されており、日々ファイルが生産される一方、自動化ノウハウは未だにマイナーな存在です。今回は「パワーポイントのセクション名取得」という中でもマイナーな話題ですが、検索しても曖昧な話が多かったので自分用メモに投稿します。

1.前提と知っておくべきこと

1.Pythonによる自動化、python-pptx, bs4を使用する。
2.Powerpointファイルなどはunzipすることができ、その中身はxmlファイル群などで構成されている。
3.セクション名などはファイル内の/pptx/presentation.xmlに記述されている。
4.今回は製作者のgitも見てみましたが、目当ての変数にそのままアクセスできそうだったのでbs4で取得しました。

2.スクリプト例

section_name.py

import pptx
import bs4

path='/path-to-your-powepoint-file.pptx'
prs=pptx.Presentation(path)

#target xml is './pptx/presentation.xml'
package_parts = prs.part.package.iter_parts()
for part in package_parts:
    if part.partname.endswith("presentation.xml"):

# get soup, and get targets, which are written as attributes of 'p14'tag      
        _xml = part.blob.decode("utf-8")
        soup = bs4.BeautifulSoup(_xml, "xml")

        for section in soup.find_all('p14:section'):
            print(section['name'])

3.おわり

おわり。