PPT Reader
Overview
读取和解析 PowerPoint 文件（.pptx），提取幻灯片文本内容。
When to Use
- 用户发送了 .pptx 文件
- 需要提取PPT中的文字内容
- 需要了解PPT的结构和页数
Quick Reference
| 操作 | 命令 |
|---|
| 查看PPT页数 | unzip -l file.pptx | grep "slide[0-9]*\.xml" | wc -l |
| 提取所有文本 | unzip -p file.pptx "ppt/slides/slide*.xml" | sed 's/<[^>]*>//g' |
| 逐页提取 | 见下方脚本 |
Implementation
方法1：快速提取所有文本
unzip -p "file.pptx" "ppt/slides/slide*.xml" 2>/dev/null | sed 's/<[^>]*>//g' | tr -s ' \n'
方法2：逐页提取（推荐）
cd /path/to/ppt/
for i in {1..N}; do
echo "=== Slide $i ==="
unzip -p "file.pptx" "ppt/slides/slide$i.xml" 2>/dev/null | sed 's/<[^>]*>//g' | tr -s ' \n'
echo ""
done
方法3：获取PPT基本信息
# 页数
unzip -l "file.pptx" | grep -c "slide[0-9]*\.xml"
# 文件结构
unzip -l "file.pptx" | grep -E "slide[0-9]+\.xml"
Workflow
- 确认文件路径 - 从
/root/.openclaw/media/inbound/ 获取文件
- 获取页数 - 确定有多少张幻灯片
- 逐页提取 - 循环提取每页内容
- 整理输出 - 汇总成结构化摘要
Common Patterns
处理飞书发送的PPT
飞书发送的文件通常保存在：
/root/.openclaw/media/inbound/
文件名格式：
原始文件名-uuid.pptx
提取特定幻灯片
# 只提取第1页
unzip -p "file.pptx" "ppt/slides/slide1.xml" | sed 's/<[^>]*>//g'
# 提取第1-5页
for i in {1..5}; do unzip -p "file.pptx" "ppt/slides/slide$i.xml" | sed 's/<[^>]*>//g'; done
Limitations
- 只能提取文本内容，无法提取图片、图表
- 无法获取格式信息（字体、颜色、布局）
- 复杂表格可能提取不完整
- 仅支持 .pptx 格式（不支持旧版 .ppt）
Real-World Example
# 完整提取流程
PPT_FILE="/root/.openclaw/media/inbound/智能体-概述-20260116-xxx.pptx"
# 1. 获取页数
PAGE_COUNT=$(unzip -l "$PPT_FILE" | grep -c "slide[0-9]*\.xml")
echo "Total slides: $PAGE_COUNT"
# 2. 逐页提取
for i in $(seq 1 $PAGE_COUNT); do
echo "=== Slide $i ==="
unzip -p "$PPT_FILE" "ppt/slides/slide$i.xml" 2>/dev/null | sed 's/<[^>]*>//g' | tr -s ' \n'
echo ""
done
