Base64 para PowerPoint (PPTX)

Como decodificar Base64 para um arquivo PowerPoint

1. Cole o Base64 em Base64 ou data URI. Um prefixo data:application/vnd.openxmlformats-officedocument.presentationml.presentation;base64, não atrapalha, e Abrir arquivo .txt dá conta de strings longas salvas como texto.
2. Texto dos slides lista cada slide pelo número (Slide 1, Slide 2 e assim por diante), com o texto de cada parágrafo em uma linha própria. Um slide sem texto mostra ….
3. A lista de entradas logo abaixo mostra todas as partes do arquivo, com Ver e Salvar.
4. Clique em Baixar arquivo para salvar o .pptx.

O texto é extraído do XML dos slides com o parser XML do navegador. Nada na apresentação é executado, e a página não faz requisições de rede além das do contador de visitas da Cloudflare.

O que o texto dos slides inclui

Cada slide é um arquivo XML separado dentro do .pptx, e a prévia pega o texto de cada parágrafo dele: títulos, espaços reservados de corpo, caixas de texto, formas, formas agrupadas e células de tabela. Slides marcados como ocultos entram também. São lidos até 200 slides.

O que fica guardado em outro lugar não aparece:

Os slides são listados pelo número no nome do arquivo, slide1.xml, slide2.xml e assim por diante. Normalmente essa é a ordem da apresentação, mas uma apresentação reorganizada por script pode manter números de arquivo antigos, então trate a numeração como referência.

Como confirmar que é um PPTX

Todo arquivo Office Open XML é um arquivo ZIP, então uma apresentação do PowerPoint começa com UEsDB em Base64, assim como um documento do Word ou uma pasta de trabalho do Excel. A ferramenta procura pastas ppt/ entre as entradas para diferenciá-los. Quando o conteúdo é de outro formato, um aviso diz qual e oferece a extensão certa:

Uma apresentação com macros (.pptm) contém ppt/vbaProject.bin. O texto dela aparece normalmente na prévia, mas o PowerPoint só a abre com a extensão .pptm, então digite essa extensão antes de baixar.

Ler o texto dos slides em Python

A biblioteca padrão basta para listar o texto por slide, na mesma ordem que a prévia usa:

import base64, io, re, zipfile
import xml.etree.ElementTree as ET

A = "{http://schemas.openxmlformats.org/drawingml/2006/main}"

with open("deck.b64") as f:
    pptx = base64.b64decode(f.read())

with zipfile.ZipFile(io.BytesIO(pptx)) as z:
    slides = [n for n in z.namelist() if re.fullmatch(r"ppt/slides/slide\d+\.xml", n)]
    slides.sort(key=lambda n: int(re.search(r"\d+", n).group()))
    for name in slides:
        root = ET.fromstring(z.read(name))
        lines = ["".join(t.text or "" for t in p.iter(A + "t")) for p in root.iter(A + "p")]
        print(name, [s for s in lines if s.strip()])

Para a apresentação de exemplo desta página, o script imprime ppt/slides/slide1.xml ['Hello from Base64', 'A two-slide deck built in your browser.'] e o equivalente para o slide 2. A ordem real dos slides está em ppt/presentation.xml, no elemento <p:sldIdLst>, se você precisar dela exata. Mais em Base64 em Python; a parte do arquivo compactado é tratada em Base64 para ZIP.

Perguntas frequentes