Script para extraer imágenes de archivos ppt, pps y pptx

ppt_imagext.py

#-*- coding: utf-8 -*-
"""
Copyright (c) 2011, Jhonathan Sneider Salguero Villa (http://www.novatoz.com/)

script para extraer imágenes de archivos ppt, pptx y pps
Requiere:
- pywin32
- Microsoft PowerPoint 2007
"""
try:
    import win32com.client as win32
except:
    print "Debe instalar pywin32 http://sourceforge.net/projects/pywin32/"
    sys.exit(1)

import os
import sys
import base64
import tempfile
import pythoncom
import zipfile

TEMPDIR = tempfile.gettempdir()

class PPTProblem(Exception):
    pass
    
def random_string(length):
    """retorna texto aleatorio"""
    return base64.b32encode(os.urandom(length))

def get_file_name(ext):
    """retorna nombre de archivo único"""
    while True:
        name = "{0}.{1}".format(random_string(10), ext)
        if not os.path.exists(name):
            break
    return name

# Adaptado de http://code.activestate.com/recipes/308035/
def get_ppt(file):
    """retorna archivo pptx abierto como zip"""
    try:
        name, ext = os.path.splitext(os.path.split(file)[1])
        if ext.lower() == "pptx":
            return zipfile.ZipFile(file)
        pythoncom.CoInitializeEx(pythoncom.COINIT_APARTMENTTHREADED)
        pp = win32.DispatchEx('Powerpoint.Application')
        ppfile = pp.Presentations.Open(file, False, False, False)
        ppfile.SaveAs(r'{0}\{1}.pptx'.format(TEMPDIR, name))
        ppfile.Close()
        del pp
        del ppfile
        pythoncom.CoUninitialize()
        return zipfile.ZipFile(r'{0}\{1}.pptx'.format(TEMPDIR, name))
    except:
        raise PPTProblem("can't open {0}".format(file))


def extract_images(zip):
    for f in zip.namelist():
        path, name = os.path.split(f)
        # las imágenes se encuentran en ppt/media
        if path == "ppt/media":
            name, ext = os.path.splitext(name)
            input = zip.open(f)
            output = open(get_file_name(ext), 'wb')
            while True:
                data = input.read(1024*64)
                if not data:
                    break
                output.write(data)
            output.close()

if __name__ == '__main__':
    zip = get_ppt(os.path.abspath(sys.argv[1]))
    extract_images(zip)