iflow-mcp_pingcy_app_chatppt 0.1.0__py3-none-any.whl

ppt_utils.py

@@ -0,0 +1,266 @@
+"""
+PPT 工具类 - 处理 PPT 到 PDF 和 PDF 到图片的转换。
+此工具类专注于文件格式转换功能，只使用 pypdfium2 进行图片转换。
+"""
+
+import hashlib
+import subprocess
+import base64
+from pathlib import Path
+from typing import List
+from io import BytesIO
+import logging
+
+# PDF 处理 - 只使用 pypdfium2
+try:
+    import pypdfium2 as pdfium
+    PDFIUM_AVAILABLE = True
+except ImportError:
+    PDFIUM_AVAILABLE = False
+
+logger = logging.getLogger(__name__)
+
+
+class PPTUtils:
+    """PPT 文件操作的工具类。"""
+    
+    def __init__(self, cache_dir: str = "./cache"):
+        """初始化PPT工具类，设置缓存目录。
+        
+        Args:
+            cache_dir: 存储缓存文件的目录
+        """
+        
+        self.cache_dir = Path(cache_dir)
+        self.cache_dir.mkdir(exist_ok=True)
+        
+        # 为不同文件类型创建子目录
+        self.pdf_cache_dir = self.cache_dir / "pdf"
+        self.image_cache_dir = self.cache_dir / "images"
+        self.pdf_cache_dir.mkdir(exist_ok=True)
+        self.image_cache_dir.mkdir(exist_ok=True)
+    
+    def _get_file_hash(self, file_path: str) -> str:
+        """计算文件的哈希值用于缓存。"""
+        with open(file_path, 'rb') as f:
+            return hashlib.md5(f.read()).hexdigest()
+    
+    def ppt_to_pdf(self, ppt_path: str) -> str:
+        """将PPT文件转换为PDF。
+        
+        Args:
+            ppt_path: PPT文件路径
+            
+        Returns:
+            生成的PDF文件路径
+            
+        Raises:
+            FileNotFoundError: 如果PPT文件不存在
+            RuntimeError: 如果转换失败
+        """
+        ppt_path = Path(ppt_path)
+        if not ppt_path.exists():
+            raise FileNotFoundError(f"未找到PPT文件: {ppt_path}")
+        
+        # 计算哈希值用于缓存
+        file_hash = self._get_file_hash(str(ppt_path))
+        pdf_filename = f"{ppt_path.stem}_{file_hash}.pdf"
+        pdf_path = self.pdf_cache_dir / pdf_filename
+        
+        logger.info(f"转换PPT到PDF: {ppt_path} → {pdf_path}")
+        # 如果存在缓存的PDF则返回
+        if pdf_path.exists():
+            logger.info(f"使用缓存的PDF: {pdf_path}")
+            return str(pdf_path)
+        
+        # 使用LibreOffice将PPT转换为PDF
+        try:
+            logger.info(f"正在将PPT转换为PDF: {ppt_path}")
+            
+            # 使用LibreOffice将PPT转换为PDF
+            cmd = [
+                "/Applications/LibreOffice.app/Contents/MacOS/soffice",
+                "--headless",
+                "--convert-to", "pdf",
+                "--outdir", str(self.pdf_cache_dir),
+                str(ppt_path)
+            ]
+            
+            result = subprocess.run(cmd, capture_output=True, text=True, timeout=300)
+            
+            if result.returncode != 0:
+                raise RuntimeError(f"LibreOffice转换失败: {result.stderr}")
+            
+            # LibreOffice创建的PDF使用原始文件名
+            original_pdf = self.pdf_cache_dir / f"{ppt_path.stem}.pdf"
+            
+            # 重命名以包含哈希值
+            if original_pdf.exists():
+                original_pdf.rename(pdf_path)
+                logger.info(f"PPT已转换为PDF: {pdf_path}")
+                return str(pdf_path)
+            else:
+                raise RuntimeError("LibreOffice未创建PDF文件")
+                
+        except subprocess.TimeoutExpired:
+            raise RuntimeError("PPT转PDF转换超时")
+        except Exception as e:
+            raise RuntimeError(f"PPT转PDF转换失败: {str(e)}")
+    
+    def pdf_to_images(self, pdf_path: str, dpi: int = 200) -> List[str]:
+        """使用pypdfium2将PDF转换为图片。
+        
+        Args:
+            pdf_path: PDF文件路径
+            dpi: 图片转换分辨率（转换为scale参数）
+            
+        Returns:
+            生成的图片文件路径列表
+            
+        Raises:
+            FileNotFoundError: 如果PDF文件不存在
+            RuntimeError: 如果转换失败或缺少pypdfium2
+        """
+        if not PDFIUM_AVAILABLE:
+            raise RuntimeError("pypdfium2 未安装。请运行: pip install pypdfium2")
+            
+        pdf_path = Path(pdf_path)
+        if not pdf_path.exists():
+            raise FileNotFoundError(f"未找到PDF文件: {pdf_path}")
+        
+        # 将DPI转换为scale参数
+        scale = dpi / 50.0
+        
+        # 检查图片是否已存在
+        image_pattern = f"{pdf_path.stem}_page_*.jpg"
+        existing_images = list(self.image_cache_dir.glob(image_pattern))
+        
+        if existing_images:
+            logger.info(f"使用缓存的图片: {len(existing_images)} 页")
+            return sorted([str(img) for img in existing_images])
+        
+        try:
+            logger.info(f"正在使用pypdfium2将PDF转换为图片: {pdf_path}")
+            
+            # 打开PDF文档
+            pdf = pdfium.PdfDocument(str(pdf_path))
+            image_paths = []
+            
+            # 转换每一页
+            for i in range(len(pdf)):
+                page = pdf[i]
+                image = page.render(scale=scale).to_pil()
+                
+                # 生成图片文件名
+                image_filename = f"{pdf_path.stem}_page_{i+1:03d}.jpg"
+                image_path = self.image_cache_dir / image_filename
+                
+                # 保存图片
+                image.save(str(image_path), 'JPEG', quality=95)
+                image_paths.append(str(image_path))
+            
+            logger.info(f"PDF已转换为 {len(image_paths)} 张图片")
+            return image_paths
+            
+        except Exception as e:
+            raise RuntimeError(f"PDF转图片转换失败: {str(e)}")
+
+    def ppt_to_images(self, ppt_path: str, dpi: int = 200) -> List[str]:
+        """直接将PPT转换为图片 (PPT → PDF → 图片)。
+        
+        Args:
+            ppt_path: PPT文件路径
+            dpi: 图片转换分辨率
+            
+        Returns:
+            生成的图片文件路径列表
+        """
+        # 首先将PPT转换为PDF
+        pdf_path = self.ppt_to_pdf(ppt_path)
+        
+        # 然后将PDF转换为图片
+        return self.pdf_to_images(pdf_path, dpi)
+    
+    def get_slide_count_from_pdf(self, pdf_path: str) -> int:
+        """从PDF文件中获取页数（替代PPT幻灯片数量）。
+        
+        Args:
+            pdf_path: PDF文件路径
+            
+        Returns:
+            PDF页数
+        """
+        if not PDFIUM_AVAILABLE:
+            logger.warning("pypdfium2 未安装，无法获取页数")
+            return 0
+            
+        try:
+            pdf = pdfium.PdfDocument(str(pdf_path))
+            return len(pdf)
+        except Exception as e:
+            logger.error(f"获取PDF页数失败: {e}")
+            return 0
+    
+    def cleanup_cache(self, max_age_days: int = 30):
+        """清理旧的缓存文件。
+        
+        Args:
+            max_age_days: 缓存文件的最大保留天数
+        """
+        import time
+        
+        cutoff_time = time.time() - (max_age_days * 24 * 60 * 60)
+        
+        for cache_subdir in [self.pdf_cache_dir, self.image_cache_dir]:
+            for file_path in cache_subdir.iterdir():
+                if file_path.is_file() and file_path.stat().st_mtime < cutoff_time:
+                    try:
+                        file_path.unlink()
+                        logger.info(f"已清理旧缓存文件: {file_path}")
+                    except Exception as e:
+                        logger.error(f"清理失败 {file_path}: {e}")
+
+    def get_pdf_images_base64(self, pdf_path: str, scale: float = 4.0) -> List[str]:
+        """
+        将PDF转换为base64编码的图片列表（用于文档理解）
+        
+        Args:
+            pdf_path: PDF文件路径
+            scale: 渲染缩放比例，数值越大图片质量越高
+            
+        Returns:
+            base64编码的图片字符串列表
+            
+        Raises:
+            FileNotFoundError: 如果PDF文件不存在
+            RuntimeError: 如果转换失败或缺少pypdfium2
+        """
+        if not PDFIUM_AVAILABLE:
+            raise RuntimeError("pypdfium2 未安装。请运行: pip install pypdfium2")
+            
+        pdf_path = Path(pdf_path)
+        if not pdf_path.exists():
+            raise FileNotFoundError(f"未找到PDF文件: {pdf_path}")
+            
+        try:
+            logger.info(f"正在分析PDF文档并转换为base64图片: {pdf_path}")
+            
+            # 打开PDF文档
+            pdf = pdfium.PdfDocument(str(pdf_path))
+            images = []
+            
+            # 转换每一页为图片并编码为base64
+            for i in range(len(pdf)):
+                page = pdf[i]
+                image = page.render(scale=scale).to_pil()
+                buffered = BytesIO()
+                image.save(buffered, format="JPEG")
+                img_byte = buffered.getvalue()
+                img_base64 = base64.b64encode(img_byte).decode("utf-8")
+                images.append(img_base64)
+            
+            logger.info(f"PDF已转换为 {len(images)} 张base64编码图片")
+            return images
+            
+        except Exception as e:
+            raise RuntimeError(f"PDF文档分析失败: {str(e)}")