feat: rag

04ppt.py

@@ -0,0 +1,33 @@
+# 读取ppt文件
+from pptx import Presentation
+
+# 定义函数，提取ppt文件中的所有文本内容
+
+
+def extract_ppt_text(file_path):
+    """
+    提取PPT文件中的所有文本内容，并以字符串返回。
+    :param file_path: PPT文件路径
+    :return: 所有文本内容（以换行符分隔）
+    """
+    # 加载ppt文件
+    ppt = Presentation(file_path)
+    # 初始化用于存储ppt文本的列表
+    text_list = []
+    # 遍历PPT中的每一页幻灯片
+    for slide in ppt.slides:
+        # 遍历幻灯片中的每一个形状
+        for shape in slide.shapes:
+            # 判断该形状是否有text属性（即是否包含文本）
+            if hasattr(shape, "text"):
+                # 如果有文本添加到text_list中
+                text_list.append(shape.text)
+
+    all_text = "\n".join(text_list)
+    return all_text
+
+
+if __name__ == "__main__":
+    file_path = "example/example.pptx"
+    result = extract_ppt_text(file_path)
+    print(result)