如何使用python-pptx读取PPTX内嵌图表的嵌入数据表
python-pptx读取PPT图表嵌入工作表的实现方法
实现思路
python-pptx未在公开API中提供直接读取图表嵌入工作表的封装方法,但可以通过PPT的OpenXML包结构定位关联的嵌入Excel二进制流,直接获取和PPT内右键图表选择「编辑数据」打开的完全一致的原始工作表内容,区别于仅读取图表缓存序列化值的通用方案。
分步操作
- 遍历演示文稿所有幻灯片,筛选出类型为图表的形状对象
- 获取图表部件的内部关系映射,定位关联到电子表格对象的目标部件
- 提取目标部件的二进制流,在内存中加载为Excel工作簿,遍历工作表读取全量单元格数据
可运行参考代码
from pptx import Presentation from pptx.enum.shapes import MSO_SHAPE_TYPE from io import BytesIO from openpyxl import load_workbook def get_embedded_chart_sheets(ppt_file_path): prs = Presentation(ppt_file_path) extraction_result = [] for slide in prs.slides: for shape in slide.shapes: if shape.shape_type == MSO_SHAPE_TYPE.CHART: chart_part = shape.chart.part # 遍历图表关联的内部关系 for rel in chart_part.rels.values(): # 匹配嵌入电子表格的关系类型 if "spreadsheet" in rel.reltype: xlsx_blob = rel.target_part.blob # 内存加载Excel,无需落地临时文件 wb = load_workbook(BytesIO(xlsx_blob), data_only=True) sheet_content = {} for sheet_name in wb.sheetnames: ws = wb[sheet_name] sheet_content[sheet_name] = list(ws.values) extraction_result.append({ "chart_shape_id": shape.shape_id, "sheet_full_content": sheet_content }) return extraction_result
关键说明
此方案读取的数据为嵌入的原始工作表全量内容,包含未被图表数据范围引用的单元格、隐藏行/列的存储值,和仅读取
chart.plots[0].series缓存值的方案有本质差异。
- 兼容不同版本Office生成的PPT文件,只要文件可正常被python-pptx解析,即可提取对应嵌入数据
- 针对旧版PPT生成的
.xls格式嵌入对象,替换为对应兼容的Excel读取库即可适配
内容的提问来源于stack exchange,提问作者Rajat
相关产品推荐
相关产品推荐

