北京
做一个PowerPoint转Markdown的转换器，最初的预期很简单：幻灯片就是个容器，标题在这里，要点在那里，读完就完事。真正动手才发现，幻灯片布局、占位符、文本框，每一层对"内容该放在哪"都有自己的想法。
第一版只读标题占位符。可真实的演示文稿里，真正的标题常常躺在一个文本框里——因为2019年有人手动把它拖到了那儿。第二版改成抓取所有文本框，结果页脚、页码，还有模板里遗留的一句"TODO"，全被当成了正文内容。
最后的解法是给内容排优先级：先看标题占位符，再按布局顺序读正文占位符，剩下的文本框按位置排序——从上到下、从左到右。演讲者备注可以选择性追加。现在一份路演PPT能转成干净的Markdown，第N页变成## Slide N，下面的文字确实是人类会从幻灯片上读到的内容。
对比来看，python-pptx的提取做得不错，但布局的启发式规则仍要自己扛。托管型转换服务（如CloudConvert）按文件收费，排序逻辑并不对外公开。作者最终把整套东西打包上线：布局感知提取、备注开关、逐页标题，做成了一个在线工具。
最大的体会是，办公文档格式像考古现场。布局、母版、占位符、覆盖设置、文本框，每一层都是某个人在某个年代留下的变通方案。面对它们，不是解析，是发掘。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
