PythonでpptxをPDFに変換する

背景

• pptxの中身をGPTで要約したいケース
• pptxをまずはPDFに変換して、その後PDFを画像化してgpt4oに要約させたいです
• 今回はpptxをPDFに変換する方法を紹介します
• PDFの画像化は以下記事

実装

• OSSのlibreofficeをheadlessで起動させて、 --convert-to pdf を使います

import io
import os
import subprocess
import sys


class PPTXReader:
    def pptx_to_pdf(self, file_path: str, output_path: str) -> str:
        subprocess.run(['libreoffice', '--headless', '--convert-to', 'pdf', '--outdir', os.path.dirname(output_path), file_path], check=True)

• libreoffice --headlessコマンドを使用して、PowerPointファイルをPDFに変換します。これにより、画像ファイル（スライド）が保持されたままPDFが作成されます。
• libreofficeはLinux環境でも使えるため、Windows環境に依存せずにPowerPointのスライドをPDFに変換できます。
• Dockerで実行可能なので、Cloud Runなどのコンテナベースの環境で簡単にデプロイできます。