如何在C#中使用OpenXML将上传的PPT/PPTX文件转为XML格式？

我之前开发过处理演示文稿格式转换的工具，针对你要把上传的PPT/PPTX转成XML的需求，分享几个实用的实现思路：

1. 使用Python的python-pptx库解析生成XML #

这个库能直接读取PPTX文件的内部结构，你可以遍历幻灯片、形状、文本框等元素，然后自定义生成符合需求的XML格式。

示例代码：

from pptx import Presentation
import xml.etree.ElementTree as ET

def pptx_to_xml(pptx_path, output_xml_path):
    prs = Presentation(pptx_path)
    # 创建根节点
    root = ET.Element("presentation")
    
    for slide_idx, slide in enumerate(prs.slides):
        slide_elem = ET.SubElement(root, "slide", id=str(slide_idx+1))
        # 遍历幻灯片中的形状
        for shape in slide.shapes:
            if hasattr(shape, "text") and shape.text.strip():
                text_elem = ET.SubElement(slide_elem, "text_element")
                text_elem.set("type", shape.name)
                text_elem.text = shape.text
    
    # 生成XML文件
    tree = ET.ElementTree(root)
    with open(output_xml_path, "wb") as f:
        tree.write(f, encoding="utf-8", xml_declaration=True)

# 调用示例
pptx_to_xml("input.pptx", "output.xml")

注意：python-pptx主要支持PPTX格式，老版本的PPT（.ppt）需要先转成PPTX再处理，或者结合其他工具兼容。

2. 使用Java的Apache POI库 #

如果你的应用是Java栈的，Apache POI的XSLF模块可以完美处理PPT/PPTX文件，解析后生成XML的自由度很高。

核心代码片段：

import org.apache.poi.xslf.usermodel.XMLSlideShow;
import org.apache.poi.xslf.usermodel.XSLFSlide;
import org.apache.poi.xslf.usermodel.XSLFShape;
import org.apache.poi.xslf.usermodel.XSLFTextShape;
import org.w3c.dom.Document;
import org.w3c.dom.Element;

import javax.xml.parsers.DocumentBuilder;
import javax.xml.parsers.DocumentBuilderFactory;
import javax.xml.transform.Transformer;
import javax.xml.transform.TransformerFactory;
import javax.xml.transform.dom.DOMSource;
import javax.xml.transform.stream.StreamResult;
import java.io.FileInputStream;
import java.io.FileOutputStream;

public class PptToXmlConverter {
    public static void main(String[] args) throws Exception {
        XMLSlideShow ppt = new XMLSlideShow(new FileInputStream("input.pptx"));
        DocumentBuilderFactory dbFactory = DocumentBuilderFactory.newInstance();
        DocumentBuilder dBuilder = dbFactory.newDocumentBuilder();
        Document doc = dBuilder.newDocument();
        
        Element root = doc.createElement("presentation");
        doc.appendChild(root);
        
        for (int i = 0; i < ppt.getSlides().size(); i++) {
            XSLFSlide slide = ppt.getSlides().get(i);
            Element slideElem = doc.createElement("slide");
            slideElem.setAttribute("id", String.valueOf(i+1));
            root.appendChild(slideElem);
            
            for (XSLFShape shape : slide.getShapes()) {
                if (shape instanceof XSLFTextShape) {
                    XSLFTextShape textShape = (XSLFTextShape) shape;
                    String text = textShape.getText();
                    if (!text.isEmpty()) {
                        Element textElem = doc.createElement("text_element");
                        textElem.setAttribute("type", shape.getShapeName());
                        textElem.setTextContent(text);
                        slideElem.appendChild(textElem);
                    }
                }
            }
        }
        
        TransformerFactory transformerFactory = TransformerFactory.newInstance();
        Transformer transformer = transformerFactory.newTransformer();
        DOMSource source = new DOMSource(doc);
        StreamResult result = new StreamResult(new FileOutputStream("output.xml"));
        transformer.transform(source, result);
    }
}

3. 使用LibreOffice命令行批量转换 #

如果你不想自己写解析逻辑，可以借助LibreOffice的命令行工具，它能直接把PPT/PPTX转成ODP格式（本质是XML压缩包），或者直接导出为XML。

命令示例：

# 把PPTX转成ODP（解压后就是XML结构）
libreoffice --headless --convert-to odp input.pptx

# 直接导出为XML格式
libreoffice --headless --convert-to xml input.pptx

这个方法适合快速实现，不需要深入解析文件结构，但生成的XML格式是LibreOffice定义的，如果你需要自定义结构，可能还要二次处理。

选择建议 #

• 如果需要自定义XML结构，优先用python-pptx或Apache POI，能精准控制每个元素的输出；
• 如果只是需要快速转换，对XML格式要求不高，LibreOffice命令行是最省心的方案；
• 老版本PPT（.ppt）文件，建议先转成PPTX再处理，或者用Apache POI的HSLF模块兼容。

内容的提问来源于stack exchange，提问作者user9478044