PDF2PPT

PDF2PPT 是一个开源工具，致力于将 AI 生成的 PDF 文稿（如 Google NotebookLM 导出的内容）或其他标准 PDF 文档，通过智能解析转换为可编辑的 PowerPoint (PPTX) 演示文稿。

本项目基于 MinerU 强大的文档解析能力，能够精准识别 PDF 中的文本、图片、表格和列表结构，并将其高保真地还原到 PPT 页面中。

核心优势

🚀 MinerU 技术加持

本项目采用 MinerU API 作为 PDF 文档解析引擎，提供以下核心能力：

• 🎯 精准元素识别

  • 标题 (Title): 识别各级标题，保留层级关系
  • 文本 (Text): 提取段落文本，支持多语言 OCR
  • 图片 (Image): 提取高清原图，包含图片标题 (image_caption)
  • 表格 (Table): 识别复杂表格结构，支持 HTML 格式输出
  • 列表 (List): 识别有序/无序列表，保留层级结构
  • 页脚 (Footer): 识别页脚和水印文字

• 📍 精确 Bbox 定位

  • 每个元素都带有精确的边界框坐标 [x1, y1, x2, y2]
  • 支持像素级定位，确保 PPT 还原布局一致性

• 🔍 强大 OCR 能力

  • 支持中英文混排识别
  • LaTeX 公式识别（如 $360^{\circ}$）
  • 特殊字符和符号识别

💡 智能转换特性

• Area-based 字号算法: 根据 bbox 面积和字符密度自动计算最佳字号
• 坐标系智能转换: 自动处理 PDF 和 PPT 不同坐标系的转换
• LaTeX 符号清理: 自动转换 LaTeX 符号为 Unicode 字符（如 \circ → °）
• 水印智能过滤: 自动检测和移除重复水印元素
• 表格动态字号: 表格字号根据单元格高度自适应（10-16pt 范围）

工作流程 (Process Flow)

graph TD
    A[输入PDF] -->|分拆单页| B(单页PDF)
    B -->|批量上传| C{MinerU API v4}
    C -->|VLM模型解析| D[结构化JSON]
  
    D -->|layout.json| E1[Page Size + 坐标系]
    D -->|content_list.json| E2[元素列表]
  
    E1 --> F[坐标系转换]
    E2 --> F
  
    F -->|元素分类| G{元素类型}
  
    G -->|Title/Text| H1[Area-based字号计算]
    G -->|Image| H2[高清原图+Caption]
    G -->|Table| H3[HTML解析原生表格]
    G -->|List| H4[列表结构化渲染]
    G -->|Footer| H5[水印检测过滤]
  
    H1 --> I[智能布局]
    H2 --> I
    H3 --> I
    H4 --> I
    H5 --> I
  
    I --> J[生成PPTX]
  
    style C fill:#e1f5ff
    style D fill:#fff4e1
    style G fill:#ffe1f5
    style J fill:#e1ffe1

流程说明：

1. PDF 分页: 将多页 PDF 拆分为单页，支持批量并发处理
2. MinerU 解析:
   • 使用 VLM 模型进行深度 OCR 和版面分析
   • 获取两个关键 JSON：layout.json（坐标系信息）和 content_list.json（元素内容）
3. 坐标转换: 自动检测并转换 layout 和 content 的不同坐标系
4. 元素处理:
   • 根据元素类型进行专门处理
   • 图片提取 caption 作为独立文本
   • 表格解析为原生 PPT 表格
5. 智能合成:
   • Area-based 算法计算最佳字号
   • 精确 bbox 定位保证布局一致性
   • LaTeX 符号清理优化显示效果

转换效果对比

以下是实际转换效果对比（使用 Google NotebookLM 生成的 PDF 测试）：

下载

您可以直接下载打包好的可执行文件，无需安装Python环境：

• PDF2PPT_Tool.exe (v0.3)

快速开始

1. 安装依赖

pip install -r requirements.txt

2. 申请 MinerU Token

本项目依赖 MinerU API。请前往 MinerU API 管理台 注册并获取您的 API Token。

3. 配置环境

配置 config.py 文件（可参考 config.example.py）：

# config.py
MINERU_TOKEN = "您的_MINERU_TOKEN"
PDF_INPUT_PATH = "input.pdf"
PPT_OUTPUT_PATH = "output.pptx"
CACHE_DIR = "temp"  # 缓存目录，避免重复调用 API
USE_CACHE = True    # 是否使用缓存
REMOVE_WATERMARK = True  # 是否移除水印

4. 运行程序

方式一：GUI 界面 (推荐)

python app.py

方式二：命令行

python pdf2ppt.py

版本历史

🤖 Agent Skill 集成 (New!)

本项目现已提供标准的 AI Agent Skill 包，支持 Agent 直接调用。

• Skill 路径: ./skill-pdf2ppt
• 能力描述: 将 PDF 文档转换为可编辑的 PowerPoint (PPTX) 演示文稿。
• 调用方式:

  python skill-pdf2ppt/scripts/main.py --pdf_path "input.pdf" --token "YOUR_TOKEN"
  

• 查看详情: 请阅读 skill-pdf2ppt/SKILL.md

版本历史

v0.3

🎯 智能解析增强

• ✨ Layout.json 多源解析: 同时利用 layout.json 和 content_list.json，提取 image_caption 的精确 bbox
• 🔄 坐标系智能转换: 自动检测并转换不同坐标系，确保元素位置精确
• 🧹 LaTeX 符号清理: 增强 LaTeX 公式处理（支持 \circ, \degree, \times 等常用符号）
• 🚫 水印智能过滤: 优化水印检测算法，支持关键词匹配、位置判断和重复文本检测

📊 表格与文本优化

• 📐 表格动态字号: 基于单元格高度自适应字号（10-16pt 范围）
• ⚖️ 表格内容居中: 垂直和水平双向居中对齐，表头自动加粗
• 📏 Area-based 字号算法优化: 缩放因子从 0.8 提升至 0.95，文字更清晰

🛠️ 代码优化

• 🧼 日志精简: 移除表格尺寸、字号估算等调试信息
• 📦 缓存机制: temp 文件夹用于开发调试，生产环境直接使用 API 返回值
• 🎨 统一样式: 所有文字统一使用 Area-based 算法和 Microsoft YaHei 字体

v0.2

🎨 图形化界面

• ✨ GUI 界面: 基于 CustomTkinter 的现代化界面 (app.py)
• 🖱️ 操作便捷: 文件拖拽选择、参数可视化配置、实时日志显示
• 📦 打包支持: 提供 app.spec 和 version_info.txt，支持 PyInstaller 打包为 exe

🔧 功能增强

• 🚫 去水印功能: 自动检测和过滤 PDF 中的重复水印元素
• 🌐 日志汉化: 统计日志全面汉化，提升可读性
• 🔣 特殊字符处理: 针对 \u200b 等特殊字符进行转义

v0.1

🎉 初始版本

• 🔗 MinerU 集成: 集成 MinerU API (v4) 上传与解析流程
• 🌳 递归解析: 实现基于递归的 Block 解析，支持复杂嵌套布局
• 📐 Area-based 算法: 引入字号估算算法，解决文字大小不一致问题
• 📊 元素支持: 支持 Text、Title、Image、Table、List、Footer 等元素类型
• 💾 配置与缓存: 配置分离 (config.py) 和解析结果缓存 (temp/)

依赖库

customtkinter==5.2.1
python-pptx==0.6.21
pymupdf==1.23.8
requests==2.31.0

详见 requirements.txt。

致谢

感谢 MinerU 项目提供强大的文档解析能力！

License

MIT License