使用python-pptx检测PPT指定图片存在性时误判问题求助

我使用python-pptx执行PPT质量检查，需要验证指定图片是否存在，但出现异常情况：即使在没有目标图片甚至完全无图的PPT文件中，也会检测到匹配的图片。

以下是我使用的检查函数，其中gt_bytes为待检测基准图片的字节数据：

def check_image_existance(gt_bytes: bytes, ppt: Presentation) -> list[dict]:
    found_images = []
    shapes = []
    for slide_id, slide in enumerate(ppt.slides):
        for shape_id, shape in enumerate(slide.shapes):
            # image type
            if shape.shape_type == 13 or shape.shape_type == 14:
                if hasattr(shape, 'image'):
                    image = shape.image
                    image_bytes = image.blob
                    if gt_bytes == image_bytes:
                        found_images.append({'slide_id':slide_id, 'shape_id':shape_id})
                        shapes.append(shape)

已完成的排查：

• 检查过匹配到的形状属性，未找到判断可见性的参数
• 确认图片未超出幻灯片边界
• 所有匹配图片的shape_type均为13，不属于占位符

可能的原因及解决方案 #

1. PPT媒体库残留未引用图片

PPT文件的媒体库可能保留曾经插入后删除的图片字节数据，而slide.shapes仅遍历幻灯片上的可见形状，无法覆盖这类隐藏资源。可以遍历整个PPT包的媒体资源进行验证：

def check_media_library(gt_bytes: bytes, ppt: Presentation) -> bool:
    for part in ppt.package.parts:
        if part.content_type.startswith('image/'):
            if part.blob == gt_bytes:
                return True
    return False

使用时可先调用此函数确认媒体库是否存在目标图片，再结合形状遍历判断是否有实际引用。

2. 字节对比的误判场景

若PPT对插入图片进行自动压缩（分辨率调整、格式转换）或修改元数据，可能导致字节不完全一致，但你的情况更偏向媒体库残留。如果需要更鲁棒的对比，可改用图片像素哈希值替代原始字节对比：

import hashlib
from PIL import Image
import io

def get_image_fingerprint(image_bytes: bytes) -> str:
    # 转灰度图并缩小为16x16，提取像素特征
    img = Image.open(io.BytesIO(image_bytes)).convert('L').resize((16, 16))
    pixel_list = list(img.getdata())
    return hashlib.md5(str(pixel_list).encode()).hexdigest()

# 替换原对比逻辑
if get_image_fingerprint(gt_bytes) == get_image_fingerprint(image_bytes):
    # 执行匹配后的操作

3. 形状类型判断的补充校验

虽然已确认shape_type为13（MSO_SHAPE_TYPE.PICTURE），可进一步校验图片的格式信息，排除非预期的媒体类型：

# 在获取image对象后增加校验
if image.content_type in ('image/png', 'image/jpeg') and image.filename.endswith(('.png', '.jpg', '.jpeg')):
    # 再执行字节或哈希对比

4. 修复损坏的PPT文件

部分损坏的PPT文件可能导致python-pptx解析异常，返回错误的形状数据。可尝试用Microsoft Office打开PPT，选择"修复"功能后重新保存，再进行检测。

内容的提问来源于stack exchange，提问作者Francesco Pettini