【Python兼职】学会Python自动制作PPT,立马在兼职群接到一单

使用Python从头开始创建PowerPoint演示文稿 通过本文,我们详细介绍了如何使用Python和python-pptx库从头开始创建PowerPoint演示文稿,包括环境搭建、基础知识、幻灯片添加、内容设置以及高级应用如批量生成演示文稿。这些技能不仅可以提高我们的工作效率,还能在数据分析和报告制作中发挥重要作用。未来,随着python-pptx库的不断发展和完善,我们可以期待更多高级功能的加入,如动画效果、更复杂的图表类型、以及与其他Python库的集成等。这将进一步拓展Python在办公自动化领域的应用范围,为我们的工作带来更多便利和高效。 阅读详情

生财背景

源于一位行友的疑问,下载了一个300页的PPT,格式全都不对,如果要是一个个手动调整的话,可能会疯掉。类似这种需求也在很多PPT兼职群(qq群搜索就可以查到)里能遇到,如果会Python来自动批量操作PPT调整格式,那接单岂不是来者不拒? 为了给大家增加一个赚钱的小机会,行哥这里给大家分享一下Python操作PPT的用法

用法大纲如下:

9b79cb52a95212e01d222b738817d2edb93.png

安装工具包

首先用pip安装python工具包,如果觉得慢的话可以使用Python国内镜像进行下载

pip install python-pptx

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple python-pptx

1.创建PPT

创建PPT只需要3步:导包、实例化、保存。当然这样创建的PPT只是一张空白的ppt,连一张幻灯片都没有

f80fa32a86bae4af8ba2b9946d49569df35.png

如果想调用已经存在的ppt,只需要在实例化中填入已经存在的ppt的文件地址即可

from pptx import Presentation

prs = Presentation()

prs.save('一行.pptx')

2.选择模版

该模块提供了10个不同的ppt模版,新建模版的时候在slide_layouts[模版序列]中填上参数即可以更换模版样式

title_slide_layout = prs.slide_layouts[1]

3.新建幻灯片

设置完模版样式,使用实例化对象的slides.add_slide函数便可以新建一张幻灯片

slide = prs.slides.add_slide(title_slide_layout)

当然如果使用for循环来迭代模版的序号新建幻灯片,可以查看所有模版的样式,如下图

6d0623a26d621b93c9657a8a673f505f819.png

for i in range(1,11):

# 设置模版 1-10

title_slide_layout = prs.slide_layouts[i]

try:

# 新建一页幻灯片

slide = prs.slides.add_slide(title_slide_layout)

# 根据placeholdes 索引获取一页幻灯片中的元素

body_shape= slide.shapes.placeholders

# body_shape为本页ppt中所有shapes

body_shape[0].text = '一行01'

body_shape[1].text = '一行02'

except:

print(i)

4.编辑幻灯片元素

PPT里的文字可以自己设置,设置字体的内容、粗体、 斜体、大小和下划线都可以通过代码设置来实现

61df3b2968fd4def9530be8fed470fc254e.png

body_shape= slide.shapes.placeholders

# 获取标题

title_shape= slide.shapes.title

# 获取本页ppt的title元素

title_shape.text= '一行数据'

# 新增内容

new_paragraph= body_shape[1].text_frame.add_paragraph()

# 在第二个shape中的文本框中添加新段落

new_paragraph.text= 'add_paragraph'#新段落中的文字

new_paragraph.font.bold= True # 文字加粗

new_paragraph.font.italic= True # 文字斜体

from pptx.util import Pt #设置文字大小必须引入pptx.util中的Pt

new_paragraph.font.size= Pt(30) # 文字大小

new_paragraph.font.underline= True # 文字下划线new_paragraph.level = 1 # 新段落的级别

5.新增幻灯片元素

5.1 插入文本框

文本框的加入需要先设置文本框位置元素,然后设置文本框的文字内容,最后使用add_paragraph()函数即可添加到PPT界面当中

6eba4a0a5e125a149c241a6345a56fc3e43.png

# 新增文本框

from pptx.util import Inches

left= top= width= height= Inches(3)

# 预设位置及大小

textbox = slide.shapes.add_textbox(left,top,width,height)

# left,top为相对位置,width,height为文本框大小

textbox.text= '公众号:一行数据'

# 文本框中文字

new_para= textbox.text_frame.add_paragraph()

# 在新文本框中添加段落

new_para.text= 'you can really dance'

5.1 添加图片

图片的设置方法需要先设置图片路径和图片位置,再通过add_picture函数将图片增加上去

ff76d5d648d91e4eb59d45654facdcdfc66.png

from pptx.util import Inches

# 新增图片

img_path= '杨超越_1.jpeg'

# 文件路径

left, top, width, height= Inches(3), Inches(4.5), Inches(2), Inches(2)

# 预设位置及大小

pic= slide.shapes.add_picture(img_path, left, top, width, height)

5.3 添加表格

表格的添加也是一样,需要设置位置信息,但是注意表格多了行数和列数的参数需要设置,最后通过add_table函数加入到PPT中

4f3b8cfbde919c1ca6fe89965d35fddc96c.png

rows, cols, left, top, width, height = 2,2,Inches(3.5), Inches(4.5), Inches(6), Inches(0.8)

table= slide.shapes.add_table(rows, cols, left, top, width, height).table

# 添加表格,并取表格类

table.columns[0].width=Inches(2.0)

# 第一纵列宽度

table.columns[1].width=Inches(4.0)

# 第二纵列宽度

table.cell(0,0).text= '一行00'

# 指定位置写入文本

table.cell(0,1).text= '一行01'

table.cell(1,0).text= '一行10'

table.cell(1, 1).text= '一行11'

以上是所有介绍的python操作ppt的用法,未来凡是重复性的工作都可以用代码来实现,只是有人还不会,这就出现了赚钱的机会。那么还愣着干嘛,学会赶紧去兼职群瞅瞅啊。

对了,如果想看更深入的了解话,这份Python全套学习资料免费赠送给你

包括:Python永久使用安装包、Python web开发,Python爬虫,Python数据分析,人工智能、机器学习等学习教程。带你从零基础系统性的学好Python!

零基础Python学习资源介绍

以上就是大家在学习Python需要知道的基础入门知识,还没有掌握的同学要好好理解吸收。当然啦,学习Python仅仅知道这些基础入门知识,还是远远不够的,同学们要想系统全面地学习Python,可以试试下面的python学习资料,非常实用。

如果你对Python感兴趣的话,可以试试我整理的这份Python全套学习资料,微信扫码免费领取

😝朋友们如果有需要的话,可以V扫描下方二维码免费领取🆓

学好 Python 不论是就业还是做副业赚钱都不错,但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料,给那些想学习 Python 的小伙伴们一点帮助!

#### **一、Python学习路线**

image-20230619144606466

python学习路线图1

二、Python基础学习
1. 开发工具

2. 学习笔记

在这里插入图片描述

3. 学习视频

在这里插入图片描述

三、Python小白必备手册

图片

四、数据分析全套资源

在这里插入图片描述

五、Python面试集锦
1. 面试资料

在这里插入图片描述

在这里插入图片描述

2. 简历模板

在这里插入图片描述

** 因篇幅有限,仅展示部分资料,添加上方即可获取**
【初学不要怕】详解利用Python制作PPT的精彩操作(一学就会) 这篇文章主要给大家详细介绍Python制作PPT的精彩操作相关内容,在平时作ppt时会经常遇到重复粘贴大量图片的情况,手动制作会进行不断复制粘贴,裁剪白边,调整位置等一系列操作,非常繁琐,而利用Python制作PPT可以节省大量时间,提高工作效率。利用到的python库为python-pptx库,本篇内容详细且基础,易学就会。 阅读详情

相关推荐

Python PPT课件

第一章绪论,第二章基础语法,第三章编写程序,第四章流程控制,第五章模块与函数,第六章字符串,第七章数据结构,第八章文件处理,第九章面向对象编程,第十章异常处理与程序调试,第十一章Python数据库编程,第十二章Python的GUI编程

用Python自动化操作PPT,(非常详细)从零基础入门到精通,看完这一篇就够了

官方网址:http://seaborn.pydata.org/seaborn是基于Matplotlib的Python数据可视化库。它提供了一个高级界面,用于绘制引人入胜且内容丰富的统计图形只是在Matplotlib上进行了更高级的API封装,从而使作图更加容易seaborn是针对统计绘图的,能满足数据分析90%的绘图需求,需要复杂的自定义图形还需要使用到Matplotlib。

Javachichi的博客 6503

手把手教你设计MTBF加速寿命试验:从阿伦尼斯模型到卡方计算(含Excel模板)

本文详细介绍了如何设计MTBF加速寿命试验,从阿伦尼斯模型到卡方计算,帮助工程师在合理时间内获得准确的MTBF数据。通过工业电源模块的实例演示,涵盖活化能确定、温度应力设计、样本量计算及数据记录规范,并提供Excel模板实现自动化计算,显著提升测试效率。

weixin_42563415的博客 540

python操作ppt

python操作ppt文件

wenfei852283049的博客 2359

BFD+OSPF+FRR:构建高可用网络的核心铁三角

摘要:VRRP、OSPF、BFD和FRR协同实现网络高可用。VRRP负责网关冗余,OSPF确保路由可达,BFD提供毫秒级故障检测,FRR实现快速路径切换。故障时,BFD立即检测并通知OSPF,FRR在OSPF收敛前切换流量,VRRP完成网关切换(如需)。BFD采用异步模式动态建立,效率最高。该机制确保业务流量无缝切换,提升网络可靠性。

A516988的博客 754

CentOS 7 离线升级 OpenSSH 9.9p2 保姆级教程(含依赖包下载与常见报错解决)

本文提供了一份详尽的CentOS 7系统离线升级OpenSSH至9.9p2版本的完整教程。针对无外网环境,重点讲解了依赖包(尤其是OpenSSL 3.x)的离线下载与编译部署,并深入解决了编译过程中常见的“libcrypto.so缺失”等动态库链接错误。教程涵盖从环境准备、源码编译、服务配置到系统集成的全流程,最后还提供了关键的回滚方案与应急预案,是运维人员在内网环境中进行安全加固的实用指南。

weixin_29248313的博客 324

用Python自动化制作、操作PPT,看完这篇文章就够了!

官方网址:http://seaborn.pydata.org/seaborn是基于Matplotlib的Python数据可视化库。它提供了一个高级界面,用于绘制引人入胜且内容丰富的统计图形只是在Matplotlib上进行了更高级的API封装,从而使作图更加容易seaborn是针对统计绘图的,能满足数据分析90%的绘图需求,需要复杂的自定义图形还需要使用到Matplotlib。

AI大模型资料分享员 2314

Windows下CMake的下载与安装详解

目录一、CMake介绍二、CMake的下载与安装 一、CMake介绍 CMake是一个跨平台的安装(编译)工具,可以用简单的语句来描述所有平台的安装(编译过程)。它能够输出各种各样的makefile或者project文件,能测试编译器所支持的C++特性,类似UNIX下的automake。 二、CMake的下载与安装 CMake下载链接:https://cmake.org/download/。 下载最新稳定版即可(Latest Release): 下载完成后,单击“Next”按钮,在下图中勾选“I acce

Wendy的博客 8万+

学会Python自动制作PPT,立马在兼职群接到一单

↑点击上方“一行数据”关注 + 星标~每周送书,绝不错过生财背景源于一位行友的疑问,下载了一个300页的PPT,格式全都不对,如果要是一个个手动调整的话,可能会疯掉。类似这种需...

一行玩python 2241

集成学习之GBDT

GBDT

joejoeqian的博客 1257

【鸿蒙游戏上架审核规范指南】

华为鸿蒙游戏上架审核规范指南摘要

weixin_44161102的博客 919

python兼职在哪接单-学会Python自动制作PPT,立马在兼职群接到一单

↑点击上方“一行数据” 关注 + 星标 ~每周送书,绝不错过 生财背景源于一位行友的疑问,下载了一个300页的PPT,格式全都不对,如果要是一个个手动调整的话,可能会疯掉。类似这种需求也在很多PPT兼职群(qq群搜索就可以查到)里能遇到,如果会Python来自动批量操作PPT调整格式,那接单岂不是来者不拒? 为了给大家增加一个赚钱的小机会,行哥这里给大家分享一下Python操作PPT的用法用法...

weixin_37988176的博客 877

Zynq 【SDK裸机开发之PS】——DDR的内存分配使用详解

Zynq如果跑操作系统的话,内存管理的工作都会交给系统来操作,但是如果是裸机的话,则需要自己对DDR3的内存进行管理。

shizhibuyi1234的博客 7378

学会python如何兼职-学会Python自动制作PPT,立马在兼职群接到一单

生财背景源于一位行友的疑问,下载了一个300页的PPT,格式全都不对,如果要是一个个手动调整的话,可能会疯掉。类似这种需求也在很多PPT兼职群(qq群搜索就可以查到)里能遇到,如果会Python来自动批量操作PPT调整格式,那接单岂不是来者不拒? 为了给大家增加一个赚钱的小机会,行哥这里给大家分享一下Python操作PPT的用法用法大纲如下:安装工具包首先用pip安装python工具包,如果觉得慢...

weixin_37988176的博客 411

NXP S32k3 MCAL EMIOS PWM配置

NXP s32k 配置 EMIOS PWM

Leon_0125的博客 2702

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

2024年Python最全学会Python自动制作PPT,立马在兼职群接到一单

prs.save(‘一行.pptx’)2.选择模版该模块提供了10个不同的ppt模版,新建模版的时候在slide_layouts[模版序列]中填上参数即可以更换模版样式3.新建幻灯片设置完模版样式,使用实例化对象的slides.add_slide函数便可以新建一张幻灯片当然如果使用for循环来迭代模版的序号新建幻灯片,可以查看所有模版的样式,如下图# 设置模版 1-10try:# 新建一页幻灯片# 根据placeholdes 索引获取一页幻灯片中的元素。

2401_84561579的博客 887

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

python shape函数_学会Python自动制作PPT,立马在兼职群接到一单

生财背景 源于一位行友的疑问,下载了一个300页的PPT,格式全都不对,如果要是一个个手动调整的话,可能会疯掉。类似这种需求也在很多PPT兼职群(qq群搜索就可以查到)里能遇到,如果会Python来自动批量操作PPT调整格式,那接单岂不是来者不拒? 为了给大家增加一个赚钱的小机会,行哥这里给大家分享一下Python操作PPT的用法用法大纲如下:安装工具包首先用pip安装python工具包,如果觉得...

weixin_39769627的博客 234

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

温度PID控制PLC程序

温度PID稳定控制程序,适用于欧姆龙PLC,对其他PLC也具有很大参考价值

学会Python自动制作PPT,立马在兼职群接到一单(2),字节面试算法题

源于一位行友的疑问,下载了一个300页的PPT,格式全都不对,如果要是一个个手动调整的话,可能会疯掉。Python所有方向路线就是把Python常用的技术点做整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。new_paragraph.font.underline= True # 文字下划线new_paragraph.level = 1 # 新段落的级别。如果想调用已经存在的ppt,只需要在实例化中填入已经存在的ppt的文件地址即可。

m0_60607371的博客 1028

学会Python自动制作PPT,立马在兼职群接到一单,一名毕业三年的女程序媛面试头条经验

print(i)4.编辑幻灯片元素PPT里的文字可以自己设置,设置字体的内容、粗体、 斜体、大小和下划线都可以通过代码设置来实现# 获取标题# 获取本页ppt的title元素title_shape.text= ‘一行数据’# 新增内容# 在第二个shape中的文本框中添加新段落new_paragraph.text= ‘add_paragraph’#新段落中的文字new_paragraph.font.bold= True # 文字加粗。

2401_84263114的博客 807

学会Python自动制作PPT,立马在兼职群接到一单,2024年最新腾讯开发岗面试题

该模块提供了10个不同的ppt模版,新建模版的时候在slide_layouts[模版序列]中填上参数即可以更换模版样式3.新建幻灯片设置完模版样式,使用实例化对象的slides.add_slide函数便可以新建一张幻灯片当然如果使用for循环来迭代模版的序号新建幻灯片,可以查看所有模版的样式,如下图# 设置模版 1-10try:# 新建一页幻灯片# 根据placeholdes 索引获取一页幻灯片中的元素# body_shape为本页ppt中所有shapes。

m0_60607895的博客 728
上一篇: 作为数据分析工程师,你一定要会Python
下一篇: 【Python兼职】Python 程序员的工资能有多高?
大模型应用场景
博客等级 码龄5年 7648粉丝 1350原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值