前編はこちら → PowerPointの中身は「入れ子の箱」だった ── python-pptxでスライド構造を丸裸にする【前編】

前編では、PPTXの5層構造と python-pptx の基本を押さえた。
後編では、その構造を JSON に変換する analyze_pptx() と、JSON から PPTX を復元する create_pptx_from_json() の実装コードを読み解く。
この2つの関数が揃えば、「PPTX → JSON → LLM が編集 → JSON → PPTX」というラウンドトリップが完成する。
コードを根拠に、AIがスライドを読み書きする仕組みの全体像を掴もう。

先に要点

analyze_pptx() がPPTXの全情報をJSON化する。マスター構造とスライド本体の2系統を抽出
create_pptx_from_json() がJSONとテンプレートからPPTXを再生成する
LLMはJSONを受け取り、テキスト・書式・配置を理解したうえで編集できる
テンプレートがなければ復元できない。JSONはコンテンツ、テンプレートはデザインの担当

この記事で分かること

analyze_pptx() が何を抽出し、どんなJSONを生成するか
テキスト抽出の核心 extract_text_frame_details() の実装
create_pptx_from_json() がJSONをどうPPTXに戻すか
LLM × JSON で実現できるユースケースと、注意すべき制約

今回使う Mermaid 図の種類

図の種類	用途
flowchart	ラウンドトリップの全体像、テンプレートの役割
sequenceDiagram	analyze_pptx() の処理フロー
erDiagram	JSONデータ構造の関係性
stateDiagram-v2	create_pptx_from_json() のShape処理分岐
quadrantChart	LLMへの情報伝達手法の比較
mindmap	LLM × JSON のユースケース

1. 全体アーキテクチャ ── 2つの関数が作るラウンドトリップ

今回の仕組みは、pptx_processor.py に実装された2つの関数で成り立っている。

analyze_pptx() が「分解」、create_pptx_from_json() が「組み立て」を担当する。元のPPTXはデータソースであると同時に、復元時のテンプレートとしても使われる。

2. analyze_pptx() を読む ── PPTX → JSON の全処理

この関数は pptx_processor.py の中核で、PPTXファイルを受け取り、マスター構造とスライド本体の2系統をJSON化して返す。

処理は2フェーズ。第1フェーズでテンプレート側のレイアウト情報を収集し、第2フェーズでスライド本体の全シェイプを走査する。戻り値の masters と slides がそれぞれの成果物。

関数の入り口

def analyze_pptx(file_like_object):
    prs = Presentation(file_like_object)
    presentation_data = {"masters": []}

    # === フェーズ1: マスター/レイアウト ===
    for master in prs.slide_masters:
        master_data = {"layouts": []}
        for layout in master.slide_layouts:
            layout_data = {"name": layout.name, "shapes": []}
            # ... 各shapeの情報を収集 ...
            master_data["layouts"].append(layout_data)
        presentation_data["masters"].append(master_data)

    # === フェーズ2: スライド本体 ===
    presentation_data["slides"] = []
    for slide_idx, slide in enumerate(prs.slides):
        slide_data = {
            "layout": prs.slide_layouts.index(slide.slide_layout),
            "shapes": [],
            "notes": slide.notes_slide.notes_text_frame.text if slide.has_notes_slide else ""
        }
        # ... 各shapeの情報を収集 ...
        presentation_data["slides"].append(slide_data)

    return presentation_data

このコードがやっていることは3つ。

Presentation() でPPTXを読み込み、空の辞書 presentation_data を初期化
フェーズ1: prs.slide_masters を走査し、各レイアウトのプレースホルダー情報を記録
フェーズ2: prs.slides を走査し、各スライドのシェイプ情報を記録

slide_data の "layout" キーには、そのスライドが使っているレイアウトの インデックス番号 が入る。復元時にはこの番号で prs.slide_layouts[n] を参照するため、テンプレートとインデックスが一致していることが前提になる。

Shape情報の収集 ── 種類に応じた分岐

フェーズ2のシェイプ走査では、Shape の種類ごとに取得する情報が異なる。

for shape in slide.shapes:
    shape_data = {
        "name": shape.name,
        "left": shape.left.pt, "top": shape.top.pt,
        "width": shape.width.pt, "height": shape.height.pt,
        "rotation": shape.rotation,
        "shape_type": shape.shape_type.name,
        "is_placeholder": shape.is_placeholder,
    }

    # 画像の処理
    if shape.shape_type == MSO_SHAPE_TYPE.PICTURE:
        image = shape.image
        b64_image = base64.b64encode(image.blob).decode('utf-8')
        shape_data["image_data"] = {
            "content": b64_image,
            "content_type": image.content_type
        }

    # 塗りつぶし・線の取得
    if hasattr(shape, 'fill'):
        shape_data["fill"] = get_fill_info(shape.fill)
    if hasattr(shape, 'line'):
        shape_data["line"] = get_line_info(shape.line)

    # プレースホルダー情報
    if shape.is_placeholder:
        ph = shape.placeholder_format
        shape_data["placeholder"] = {"type": ph.type.name, "idx": ph.idx}

    # テキストフレーム（最も情報量が多い）
    if hasattr(shape, 'has_text_frame') and shape.has_text_frame:
        shape_data["text_frame"] = extract_text_frame_details(shape.text_frame)

全Shape共通の属性（位置、サイズ、名前）をまず記録し、そのあと shape_type や is_placeholder で分岐して追加情報を取得する。画像は base64.b64encode() でテキスト化し、JSONに埋め込める形にしている。

3. extract_text_frame_details() ── 書式抽出の核心

テキスト情報の抽出はこの関数が担う。5層構造の下3層（TextFrame → Paragraph → Run）を再帰的に辿り、書式まで含めて辞書化する。

def extract_text_frame_details(tf):
    text_frame_data = {
        "text": tf.text,
        "margin_left": tf.margin_left.pt if tf.margin_left else 0,
        "margin_right": tf.margin_right.pt if tf.margin_right else 0,
        "margin_top": tf.margin_top.pt if tf.margin_top else 0,
        "margin_bottom": tf.margin_bottom.pt if tf.margin_bottom else 0,
        "word_wrap": tf.word_wrap,
        "auto_size": tf.auto_size.name if tf.auto_size else "NONE",
        "paragraphs": []
    }
    for para in tf.paragraphs:
        para_data = {
            "text": para.text,
            "level": para.level,
            "alignment": para.alignment.name if para.alignment else "NONE",
            "space_before": para.space_before.pt if para.space_before else 0,
            "space_after": para.space_after.pt if para.space_after else 0,
            "runs": []
        }
        for run in para.runs:
            font_data = {
                "text": run.text,
                "bold": run.font.bold,
                "italic": run.font.italic,
                "size": run.font.size.pt if run.font.size else None,
                "name": run.font.name,
            }
            if run.font.color.type:
                font_data["color"] = get_color_info(run.font.color)
            para_data["runs"].append(font_data)
        text_frame_data["paragraphs"].append(para_data)
    return text_frame_data

この関数が返す辞書の構造を見ると、LLMにとって何が「読める」ようになるか がわかる。

TextFrame レベル: 余白、折り返し、自動サイズ調整の設定
Paragraph レベル: 配置（左寄せ/中央）、インデント、段落間スペース
Run レベル: テキスト本体、太字、イタリック、フォント名、サイズ、色

つまりこの関数は、人間がPowerPoint上で目にしている書式情報を、すべてテキスト（辞書）に翻訳している。LLMはこの辞書を受け取ることで、「3枚目のタイトルは游ゴシック28pt太字の青文字」といった情報まで把握できるようになる。

4. JSONの全体構造 ── データの関係性

analyze_pptx() が出力するJSONは、PPTXの5層構造を忠実に反映している。

JSONのルートには masters（テンプレート構造）と slides（スライド本体）がある。Slide は Layout をインデックスで参照する。Shape から下は TextFrame → Paragraph → Run が入れ子になり、Run に書式情報が詰まっている。

5. create_pptx_from_json() を読む ── JSON → PPTX の復元

JSON化されたデータを、テンプレートと組み合わせてPPTXに戻す関数。処理の中心はShapeの種類に応じた分岐だ。

def create_pptx_from_json(json_data, template_path):
    prs = Presentation(template_path)
    data = json.loads(json_data)

    for slide_data in data.get("slides", []):
        layout_index = slide_data.get("layout", 1)
        slide_layout = prs.slide_layouts[layout_index]
        slide = prs.slides.add_slide(slide_layout)

        for shape_data in slide_data.get("shapes", []):
            shape = None
            is_placeholder = shape_data.get("is_placeholder", False)

            if is_placeholder:
                # テンプレートの既存プレースホルダーを取得
                ph_data = shape_data.get("placeholder")
                shape = slide.placeholders[ph_data["idx"]]
            else:
                # 新しいシェイプを追加
                shape_type = shape_data.get("shape_type")
                if shape_type == "AUTO_SHAPE":
                    shape = slide.shapes.add_shape(
                        MSO_AUTO_SHAPE_TYPE.RECTANGLE,
                        Pt(shape_data.get("left", 0)), Pt(shape_data.get("top", 0)),
                        Pt(shape_data.get("width", 100)), Pt(shape_data.get("height", 100))
                    )
                elif shape_type == "TEXT_BOX":
                    shape = slide.shapes.add_textbox(
                        Pt(shape_data.get("left", 0)), Pt(shape_data.get("top", 0)),
                        Pt(shape_data.get("width", 100)), Pt(shape_data.get("height", 100))
                    )

            if shape is None:
                continue

            _apply_fill(shape, shape_data.get("fill"))
            _apply_line(shape, shape_data.get("line"))

            if "text_frame" in shape_data:
                _populate_text_frame(shape, shape_data["text_frame"])

    bio = io.BytesIO()
    prs.save(bio)
    bio.seek(0)
    return bio

この関数の処理フローを分岐で整理する。

is_placeholder で大きく分岐する。プレースホルダーなら既存の領域を取得して上書き、そうでなければ新規Shapeを追加する。どちらの場合も、最後に fill → line → テキストの順で書式を適用する。

ここで重要なのは Presentation(template_path) でテンプレートを渡している点だ。JSONの layout_index は、このテンプレートの slide_layouts 配列のインデックスに対応する。テンプレートが異なれば、同じインデックスでも全く違うレイアウトになるため、JSONとテンプレートは常にペアで管理する必要がある。

6. なぜ JSON なのか ── LLMへの伝達手法の比較

LLMにスライド情報を渡す方法は他にもある。なぜJSONが最適なのか。

JSON構造化は情報の正確性と編集可能性の両方で優れている。テキスト抽出は書式情報が消え、スクリーンショットは見た目は伝わるが編集に使えない。

アプローチ	書式情報	配置情報	編集可能	トークン効率
テキスト抽出	消える	消える	内容のみ	高い
スクリーンショット	目視のみ	目視のみ	不可	低い
JSON構造化	Run単位で保持	pt単位で保持	完全対応	中程度

7. LLM × JSON でできること

LLMの活用は「分析」「編集」「生成」の3カテゴリ。いずれもJSONを入力に受け取り、修正済みJSONを返す形で実現できる。

具体例：LLMへの指示

編集の場合: 「3枚目のスライドのタイトルを、もっとキャッチーなものに書き換えてください」
→ LLMは slides[2].shapes から placeholder.type == "TITLE" の Shape を特定し、runs[0].text を書き換えたJSONを返す

生成の場合: 企画書テキスト + テンプレートの masters 構造を渡し、「この企画書の内容で5枚のスライドを作ってください。レイアウトとプレースホルダーは masters の情報を参考に選んでください」
→ LLMは適切な layout インデックスを選び、各 placeholder.idx にコンテンツを配置したJSONを生成する

8. 注意点・ハマりどころ

テンプレートとレイアウト番号の一致: JSONの layout: 2 はテンプレートの slide_layouts[2] を指す。テンプレートを差し替えると対応関係が壊れる
画像のBase64肥大化: 画像入りスライドをJSON化すると数MBになることがある。LLMのトークン制限に注意が必要
テーマカラーの互換性: "type": "THEME", "value": "ACCENT_1" はテンプレート依存。異なるテンプレートでは異なる色になる
LLMが返すJSONの構文エラー: 閉じ括弧の欠落やカンマ過不足が起きることがある。json.loads() でバリデーションを挟むのが安全
プレースホルダーの idx 不一致: テンプレートに存在しない idx を指定すると KeyError になる。create_pptx_from_json() 内で try/except で保護されているが、シェイプが欠落する

一言で言うと何者か

analyze_pptx() と create_pptx_from_json() は、PowerPoint の情報を「LLM が読み書きできるJSON」との間で往復変換する関数ペア だ。テンプレートと組み合わせれば、AIがスライドを分析・編集・生成するための完全な基盤が手に入る。

まとめ

analyze_pptx() はPPTXの全情報を {"masters": [...], "slides": [...]} のJSONに変換する
書式抽出の核心は extract_text_frame_details() で、Run単位のフォント情報まで辞書化する
create_pptx_from_json() は is_placeholder で分岐し、テンプレートのレイアウトに沿ってShapeを配置・復元する
LLMはJSONを介してスライドの 分析・編集・生成 いずれも実行可能
JSONとテンプレートは常にペア。JSONはコンテンツ担当、テンプレートはデザイン担当。どちらが欠けても完全なPPTXは作れない

PowerPointは「人が手で作るもの」から「AIと協働で作るもの」へ変わりつつある。
その橋渡しをするのが、pptx_processor.py に実装された2つの関数と、JSONという共通言語だ。

GitHub リポジトリ

この記事で解説しているコードの全体は、以下のリポジトリで公開しています。
PPTX → JSON 変換、JSON → PPTX 復元、Streamlit Web UI、CLI 実行スクリプトなど、すべてのソースコードを含んでいます。

前編はこちら → PowerPointの中身は「入れ子の箱」だった ── python-pptxでスライド構造を丸裸にする【前編】