标题：[python] 从ppt中提取照片
出处：Felix021
时间：Fri, 28 Oct 2011 01:10:34 +0000
作者：felix021
地址：https://www.felix021.com/blog/read.php?2043

内容：
ppt中保存的默认是原始照片；可以把照片另存，但是保存的图片实际上是压缩过后的图片，而且EXIF信息也丢失了；另存为pptx再改成zip，发现效果相同。为了找回最原始的照片，可以将其另存为xml格式，然后再写程序将其中的图片信息提取出来。

xml格式中图片的信息大致是这样存储的:引用
<pkg:part pkg:name="/ppt/media/image5.jpeg" pkg:contentType="image/jpeg" pkg:compression="store"><pkg:binaryData> [[base64 encoded data]] </pkg:binaryData></pkg:part>


写了个简单的python脚本来完成：import re
import base64
import os

x = open("1.xml", "r") 
str = x.read()

r = re.compile(r'<pkg:part pkg:name="[^"]*\/([^"]*)".*?>\s*<pkg:binaryData>((.|\n)*?)<\/pkg:binaryData>', re.S)
m = re.findall(r, str)

os.system("mkdir files")

for i in m:
    print "write %s" % i[0]
    f = open("./files/" + i[0], "wb");
    f.write(base64.b64decode(i[1]))



Generated by Bo-blog 2.1.0