Base64 в PowerPoint (PPTX)

Как декодировать Base64 в файл PowerPoint

1. Вставьте Base64 в поле Base64 или data URI. Префикс data:application/vnd.openxmlformats-officedocument.presentationml.presentation;base64, не мешает, а Открыть файл .txt справляется с длинными строками, сохранёнными как текст.
2. Блок Текст слайдов перечисляет все слайды под их номерами («Слайд 1», «Слайд 2» и так далее), каждый абзац на отдельной строке. Слайд без текста показан как ….
3. Ниже в списке элементов видны все части файла с кнопками Открыть и Сохранить.
4. Нажмите Скачать файл, чтобы сохранить .pptx.

Текст извлекается из XML слайдов встроенным XML-парсером браузера. Ничего из презентации не выполняется, а страница не отправляет сетевых запросов, кроме счётчика просмотров Cloudflare.

Что входит в текст слайдов

Каждый слайд хранится в отдельном XML-файле внутри .pptx, и превью берёт из него текст каждого абзаца: заголовки, заполнители основного текста, надписи, фигуры, сгруппированные фигуры и ячейки таблиц. Скрытые слайды тоже учитываются. Читается до 200 слайдов.

То, что хранится в других местах, не показывается:

Слайды перечислены по номеру в имени файла: slide1.xml, slide2.xml и так далее. Обычно это и есть порядок презентации, но в презентации, переставленной скриптом, могут остаться старые номера файлов, так что считайте нумерацию ориентиром.

Как проверить, что это PPTX

Любой файл Office Open XML упакован в ZIP, поэтому презентация PowerPoint начинается в Base64 с UEsDB, как и документ Word или книга Excel. Чтобы их различить, инструмент ищет среди элементов папки ppt/. Если содержимое в другом формате, подсказка скажет об этом и предложит правильное расширение:

Презентация с макросами (.pptm) содержит ppt/vbaProject.bin. Её текст показывается как обычно, но PowerPoint откроет её только с расширением .pptm, так что впишите его перед скачиванием.

Как прочитать текст слайдов на Python

Чтобы вывести текст по слайдам в том же порядке, что и превью, хватит стандартной библиотеки:

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()])

Для примера презентации на этой странице скрипт выведет ppt/slides/slide1.xml ['Hello from Base64', 'A two-slide deck built in your browser.'] и то же для слайда 2. Если нужен точный порядок слайдов, он записан в ppt/presentation.xml, в элементе <p:sldIdLst>. Подробнее в статье Base64 в Python, а про архивы рассказано на странице Base64 в ZIP.

Вопросы и ответы