修复移除PowerPoint嵌入音频的Python脚本文件损坏问题

你的脚本之所以会导致PPTX损坏，核心是忽略了OpenXML格式的严格规范，同时存在几个关键逻辑漏洞，下面逐一拆解并给出修复后的代码：

原脚本的核心问题 #

• XML命名空间丢失：修改.rels文件时，ElementTree默认不会保留原有的默认命名空间，导致生成的XML不符合OpenXML规范，直接破坏文件结构
• 音频引用匹配逻辑错误：any(audio_file in target)会误匹配包含音频文件名的其他路径（比如media/audio1.mp3和media/audio1.mp3.bak），导致误删合法关系
• 未处理幻灯片中的音频元素：仅删除rels引用，但幻灯片的XML文件（如ppt/slides/slide*.xml）中仍保留音频形状的定义，打开时会因找不到关联对象报错
• 打包路径与压缩方式问题：使用ZIP_DEFLATED压缩可能导致部分PPT解析器不兼容，且未确保打包时的文件路径与原始PPTX完全一致
• 无原文件备份：直接重命名原文件为zip，一旦脚本出错会丢失原始文件

修复后的完整代码 #

import os
import zipfile
import shutil
from xml.etree import ElementTree as ET

# 注册OpenXML命名空间，避免解析/写入时丢失
ET.register_namespace('', 'http://schemas.openxmlformats.org/package/2006/relationships')
ET.register_namespace('p', 'http://schemas.openxmlformats.org/presentationml/2006/main')
ET.register_namespace('a', 'http://schemas.openxmlformats.org/drawingml/2006/main')
ET.register_namespace('r', 'http://schemas.openxmlformats.org/officeDocument/2006/relationships')

def remove_audio_references_from_rels(rels_file, audio_basenames):
    tree = ET.parse(rels_file)
    root = tree.getroot()
    ns = {'': 'http://schemas.openxmlformats.org/package/2006/relationships'}

    # 反向遍历删除，避免因列表长度变化导致漏删
    for rel in root.findall('Relationship', ns)[::-1]:
        target = rel.attrib.get('Target', '')
        # 精确匹配目标文件的basename，避免误删
        target_basename = os.path.basename(target)
        if target_basename in audio_basenames:
            root.remove(rel)
    
    # 写入时保留原编码和命名空间
    tree.write(rels_file, encoding='UTF-8', xml_declaration=True)

def remove_audio_shapes_from_slides(slide_file, audio_rel_ids):
    tree = ET.parse(slide_file)
    root = tree.getroot()
    ns = {
        'p': 'http://schemas.openxmlformats.org/presentationml/2006/main',
        'a': 'http://schemas.openxmlformats.org/drawingml/2006/main',
        'r': 'http://schemas.openxmlformats.org/officeDocument/2006/relationships'
    }

    # 删除关联音频的形状
    for shape in root.findall('.//p:sp', ns)[::-1]:
        audio_pr = shape.find('.//p:audioPr', ns)
        if audio_pr is not None:
            root.find('.//p:cSld//p:spTree', ns).remove(shape)
    
    # 删除关联音频的媒体引用
    for media in root.findall('.//p:media', ns)[::-1]:
        rel_id = media.attrib.get(f'{{{ns["r"]}}}id', '')
        if rel_id in audio_rel_ids:
            parent = media.findall('..')[0]
            parent.remove(media)
    
    tree.write(slide_file, encoding='UTF-8', xml_declaration=True)

def collect_audio_rel_ids(temp_dir, audio_basenames):
    audio_rel_ids = set()
    # 遍历所有rels文件，收集音频对应的rel ID
    for root, _, files in os.walk(os.path.join(temp_dir, 'ppt')):
        for file in files:
            if file.endswith('.rels'):
                rel_path = os.path.join(root, file)
                tree = ET.parse(rel_path)
                ns = {'': 'http://schemas.openxmlformats.org/package/2006/relationships'}
                for rel in tree.findall('Relationship', ns):
                    target = rel.attrib.get('Target', '')
                    target_basename = os.path.basename(target)
                    if target_basename in audio_basenames:
                        audio_rel_ids.add(rel.attrib['Id'])
    return audio_rel_ids

def process_pptx(pptx_file):
    audio_extensions = ('.aiff', '.au', '.mid', '.midi', '.mp3', '.m4a', '.mp4', '.wav', '.wma')
    base = os.path.splitext(pptx_file)[0]
    temp_dir = os.path.join(init_dir, f'{base}_temp')
    backup_file = f'{base}_backup.pptx'
    new_zip = f'{base}_temp.zip'

    # 先备份原文件，防止出错丢失数据
    shutil.copy2(pptx_file, backup_file)
    print(f'Created backup: {backup_file}')

    try:
        # 解压PPTX到临时目录
        with zipfile.ZipFile(pptx_file, 'r') as myzip:
            myzip.extractall(temp_dir)
        
        # 识别并删除media文件夹中的音频文件
        media_dir = os.path.join(temp_dir, 'ppt', 'media')
        audio_files = []
        if os.path.exists(media_dir):
            audio_files = [f for f in os.listdir(media_dir) if f.lower().endswith(audio_extensions)]
            for audio_file in audio_files:
                os.remove(os.path.join(media_dir, audio_file))
            print(f'Removed {len(audio_files)} audio files')
        
        if not audio_files:
            print('No audio files found, skipping further processing')
            shutil.rmtree(temp_dir)
            return
        
        # 收集所有音频对应的rel ID
        audio_rel_ids = collect_audio_rel_ids(temp_dir, set(audio_files))
        
        # 移除rels文件中的音频引用
        for root, _, files in os.walk(temp_dir):
            for file in files:
                if file.endswith('.rels'):
                    remove_audio_references_from_rels(os.path.join(root, file), set(audio_files))
        
        # 移除幻灯片中的音频形状和媒体引用
        slides_dir = os.path.join(temp_dir, 'ppt', 'slides')
        if os.path.exists(slides_dir):
            for slide_file in os.listdir(slides_dir):
                if slide_file.startswith('slide') and slide_file.endswith('.xml'):
                    remove_audio_shapes_from_slides(os.path.join(slides_dir, slide_file), audio_rel_ids)
        
        # 重新打包PPTX，使用ZIP_STORED保证兼容性
        with zipfile.ZipFile(new_zip, 'w', zipfile.ZIP_STORED) as myzip:
            for folder, _, files in os.walk(temp_dir):
                for file in files:
                    abs_path = os.path.join(folder, file)
                    # 计算相对于临时目录的路径，确保打包结构与原始一致
                    rel_path = os.path.relpath(abs_path, temp_dir)
                    # 修复Windows路径分隔符问题，统一用/
                    rel_path = rel_path.replace(os.sep, '/')
                    myzip.write(abs_path, rel_path)
        
        # 替换原文件
        os.replace(new_zip, pptx_file)
        print(f'Successfully processed: {pptx_file}')
    
    except Exception as e:
        print(f'Error processing {pptx_file}: {str(e)}')
        # 出错时恢复原文件
        shutil.copy2(backup_file, pptx_file)
    finally:
        # 清理临时文件
        if os.path.exists(temp_dir):
            shutil.rmtree(temp_dir)
        if os.path.exists(new_zip):
            os.remove(new_zip)

print('Starting modification process...')
init_dir = os.getcwd()
pptx_files = [f for f in os.listdir() if f.lower().endswith('.pptx')]

for pptx_file in pptx_files:
    print(f'\nProcessing file: {pptx_file}')
    process_pptx(pptx_file)

print('\nModification complete.')

关键修改说明 #

1. 命名空间注册：提前注册OpenXML所有相关命名空间，确保XML解析和写入时不会丢失命名空间声明，这是避免文件损坏的核心
2. 精确匹配音频文件：改用os.path.basename(target)精确匹配文件名，避免误删合法引用
3. 处理幻灯片内容：新增remove_audio_shapes_from_slides函数，删除幻灯片中与音频关联的形状和媒体元素，彻底清理引用
4. 备份机制：处理前自动备份原文件，出错时自动恢复，避免数据丢失
5. 打包兼容性：使用ZIP_STORED不压缩，保证所有PPT解析器都能正常读取
6. 路径修复：将Windows路径分隔符替换为/，符合ZIP文件的路径规范
7. 反向遍历删除：遍历列表时从后往前删，避免因列表元素删除导致的索引错误

内容的提问来源于stack exchange，提问作者Jordan Souza