通过nodejs来读取pptx内的图片

相关模块或文档

js-pptx : https://github.com/won21kr/js-pptx jszip : https://www.npmjs.com/package/jszip xml2js : https://www.npmjs.com/package/xml2js

大体思路

其实高版本的pptx 也好，docx也好，本质上是一个压缩文件，我们完全可以将他的后缀改为rar 或 zip 然后解压，就可以拿到里面的xml 或 资源文件，所以，思路就是将文档通过jszip 解压获取内部的文件，然后读取xml 找到对应的关系，然后将image读取出来进行保存。

实现代码

/**

• 读取目录下的pptx 文件，并得到ppt的各个页面的截图数据，然后进行处理成为结构化数据。

• @author chrunlee

• / const JSZIP = require('jszip'); const fs = require('fs'); const path = require('path'); const xml2js = require('xml2js'); /**

• 获取ppt内各个slide对应的图片路径，含多张图片

• @param {Strin}} filePath pptx filepath

• / function getSliders (filePath/**pptx filePath */,targetFolder) { let data = fs.readFileSync(filePath) const zip = new JSZIP(); return new Promise((r, j) => { //加载pptx数据 zip.loadAsync(data).then(async zip => {

  let files = Object.keys(zip.files).filter(t => {
    return t.startsWith('ppt/slides') && path.extname(t) == '.rels';
  })
  //做文件名排序
  files.sort((a, b) => {
    let asq = path.basename(a).substr(0, path.basename(a).indexOf('.')).replace('slide', '');
    let bsq = path.basename(b).substr(0, path.basename(b).indexOf('.')).replace('slide', '');
    return asq - bsq;
  })
  
  let sliders = [];
  for (let file of files) { 
    //读取xml内容
    let content = await zip.file(file).async('string');
    let obj = await xml2js.parseStringPromise(content);
    //获取关联关系
    let relationship = obj.Relationships.Relationship;//[[]]
    let arr = relationship.filter(ship => {
      return path.extname(ship.$.Target) == '.jpeg' || path.extname(ship.$.Target) == '.png'
    }).map(ship => {
      return {
        id: ship.$.Id.replace('rId',''),
        filePath: 'ppt/'+ship.$.Target.substr(3)
      }
    }).sort((a, b) => {
      return a.id - b.id;
    })
    sliders.push(arr);
  }
  //将图片进行存储，并返回真实路径
  let fileArr = [];
  fs.mkdirSync(targetFolder, { recursive: true });
  for (let arr of sliders) { 
    let objarr = [];
    if (arr && arr.length > 0) { 
      for (let obj of arr) { 
        let stream = await zip.file(obj.filePath).async('nodebuffer');
        let realFilePath = path.join(targetFolder, path.basename(obj.filePath));
        fs.writeFileSync(realFilePath,stream);
        objarr.push({
          id : obj.id,filePath : realFilePath
        })
      }
    }
    fileArr.push(objarr);
  }
  r(fileArr);

  }) })

} (async function () { let sliders = await getSliders('./蓝天空.pptx', 'd:/nodejs/toy/ppt转pptx读取/image/蓝天空/'); })(); 通过读取ppt/slides/_rels/***.rels文件，来获得该slide中对应的图片，找到对应的关系，然后通过jszip来获得该图片数据流进行保存。

大部分ppt中一页有多张图片是拼接起来的...其实就是多张图片合并为一张图片进行保存的（以后再讲）。 实现方式还是通过gm来进行合并，命令超级简单..就是安装有点麻烦。