本サイトでは、文章の一部の生成系AIを活用しています。また、一部の記事にはアフィリエイトリンクを設定しています。
はじめに
生成AIにPowerPoint資料を読ませたいとき、.pptx をそのまま渡せないため、事前にテキストへ変換する必要があります。
Pythonでこれをやる定番ライブラリが markitdown と python-pptx です。
この記事では、同じ sample.pptx を両方で解析して、何が取れて何が取れないのかを比較しました。
markitdownとは
markitdown は、Microsoftが公開しているPython製のOSSで、さまざまなファイルをMarkdownに変換するツールです。
- PDF、Word、Excel、PowerPoint、HTMLなど、多くの形式に対応
- 見出し・リスト・表といった文書の構造をMarkdownとして残す
- コマンドライン(
markitdown sample.pptx)でも、Pythonコードからでも使える - 生成AI(LLM)に文書を読ませる前処理として使う用途を想定している
Markdownはトークン数が少なく、LLMが扱いやすい形式です。そのため、RAGやAIエージェントの入力準備でよく使われます。
python-pptxとは
python-pptx は、PowerPointファイル(.pptx)を読み書きするためのPythonライブラリです。
- スライド・図形・表・グラフ・ノートなどをPythonのオブジェクトとして扱える
- 既存のpptxの読み取りだけでなく、スライドの新規作成や編集もできる
- 図形の位置・大きさ・フォント・色なども操作できる
- 対応するのはpptxのみ(PDFやWordは扱えない)
markitdownが「変換ツール」なのに対して、python-pptxは「pptxを操作するための部品」です。
テキストを取り出すには、スライドと図形を自分でたどるコードを書く必要があります。
2つのツールの概要
| 項目 | markitdown | python-pptx |
|---|---|---|
| バージョン(検証時) | 0.1.9 | 1.0.2 |
| 提供元 | Microsoft(作者 Adam Fourney) | Steve Canny |
| ライセンス | MIT | MIT |
| 出力形式 | Markdown(テキスト) | Pythonオブジェクト(自分でテキスト化する) |
| 入力形式 | PDF / Word / Excel / PowerPoint / HTML など | pptxのみ |
| 書き込み | 不可(変換専用) | 可(スライドの作成・編集もできる) |
MITライセンスとは
MIT は、マサチューセッツ工科大学(Massachusetts Institute of Technology)で生まれたことに由来する名前です。
オープンソースの中でも特に制約が少ないライセンスです。
- 商用利用、改変、再配布、サブライセンスが自由にできる
- ソースコードの公開義務はない(自社製品に組み込んでも、改変部分を公開する必要がない)
- 条件は、著作権表示とライセンス文を残すことだけ
- 無保証で、利用による損害について作者は責任を負わない
検証方法
次のスクリプト(compare_pptx.py)で、同じpptxを両方の方法で解析し、スライドごとに出力しました。全文は次のとおりです。
"""PowerPoint の解析を python-pptx と markitdown で行い、結果を比較するサンプル。
使い方:
python compare_pptx.py sample.pptx --out-dir out
"""
import argparse
import re
from pathlib import Path
from lxml import etree
from pptx import Presentation
from pptx.enum.shapes import MSO_SHAPE_TYPE
from pptx.util import Inches
from markitdown import MarkItDown
def _walk_shapes(shapes, indent: int = 0) -> list[str]:
"""図形を再帰的に走査し、テキスト・表・グループを行として返す。
Args:
shapes: スライド(またはグループ)の図形コレクション。
indent: 階層の深さ(グループ内で増える)。
Returns:
解析結果の行リスト。
"""
pad = " " * indent
lines = []
for sh in shapes:
# pad: 階層の深さに応じた空白。
# indent=0 -> ""
# indent=1 (グループ内) -> " "
# sh.shape_type: MSO_SHAPE_TYPE の列挙値。f-string では "名前 (数値)" で出力される。
# 例: PLACEHOLDER (14) / TABLE (19) / GROUP (6) / TEXT_BOX (17)
# 画像は PICTURE (13)、グラフは CHART (3)。種類不明の場合は None。
# sh.name: 図形名。例: "Title 1" / "Table 2" / "Group 3" / "TextBox 4"
# head の例 (make_sample の出力):
# "- [PLACEHOLDER (14)] Title 1" (indent=0)
# "- [TABLE (19)] Table 2" (indent=0)
# " - [TEXT_BOX (17)] TextBox 4" (indent=1: グループ内)
head = f"{pad}- [{sh.shape_type}] {sh.name}"
# グループ図形: 中に図形を入れ子で持つため、自身を出力したあと
# インデントを1段深くして再帰的に中身を走査する。
if sh.shape_type == MSO_SHAPE_TYPE.GROUP:
lines.append(head)
lines.extend(_walk_shapes(sh.shapes, indent + 1))
# 表: has_table は GraphicFrame のみが持つ属性のため hasattr で存在を確認する。
# (持たない図形では False 扱いにして次の分岐へ進める)
# 表は行ごとにセルのテキストをリスト化して出力する。
elif sh.has_table if hasattr(sh, "has_table") else False:
lines.append(head)
for r, row in enumerate(sh.table.rows):
cells = [c.text for c in row.cells]
lines.append(f"{pad} row{r}: {cells}")
# テキストを持つ図形(テキストボックス・オートシェイプ・プレースホルダー等):
# 本文を repr 表記(引用符付き・改行は \n)で図形名の後ろに付ける。
elif sh.has_text_frame:
lines.append(f"{head}: {sh.text_frame.text!r}")
# グラフ: カテゴリと系列ごとの値を出力する。
elif getattr(sh, "has_chart", False) and sh.has_chart:
lines.append(head)
for plot in sh.chart.plots:
lines.append(f"{pad} categories: {list(plot.categories)}")
for s in plot.series:
lines.append(f"{pad} series {s.name!r}: {list(s.values)}")
# SmartArt: python-pptx に API が無いため diagram data パートの XML を直接読む。
elif _smartart_texts(sh) is not None:
lines.append(f"{head}: SmartArt {_smartart_texts(sh)!r}")
# 上記以外(画像など): 種類と名前のみ出力する。
else:
lines.append(head)
return lines
def _smartart_texts(sh) -> list[str] | None:
"""SmartArt 図形の項目テキストを返す。SmartArt でなければ None。
Args:
sh: 図形(GraphicFrame を想定)。
Returns:
diagram data(dataN.xml)内の ``a:t`` テキストのリスト。SmartArt でない場合は None。
"""
ns = {
"dgm": "http://schemas.openxmlformats.org/drawingml/2006/diagram",
"a": "http://schemas.openxmlformats.org/drawingml/2006/main",
"r": "http://schemas.openxmlformats.org/officeDocument/2006/relationships",
}
rel = etree.XPath(".//dgm:relIds/@r:dm", namespaces=ns)(sh._element)
if not rel:
return None
part = sh.part.related_part(rel[0])
root = etree.fromstring(part.blob)
return [t.text for t in root.iterfind(".//dgm:pt//a:t", ns) if t.text]
def parse_python_pptx(path: Path) -> list[str]:
"""python-pptx でスライド・図形・表・ノートをスライドごとにテキスト化する。
Args:
path: 入力 pptx のパス。
Returns:
スライドごとの解析結果テキストのリスト(0 番目が slide 1)。
"""
prs = Presentation(path)
slides = []
for i, slide in enumerate(prs.slides, start=1):
lines = [f"## slide {i} (layout={slide.slide_layout.name})"]
lines.extend(_walk_shapes(slide.shapes))
# ノートが無いスライドで notes_slide にアクセスすると生成されてしまうため確認する。
if slide.has_notes_slide:
lines.append(f"notes: {slide.notes_slide.notes_text_frame.text!r}")
slides.append("\n".join(lines))
return slides
def parse_markitdown(path: Path) -> list[str]:
"""markitdown で Markdown に変換し、スライドごとに分割する。
markitdown は各スライドの先頭に ``<!-- Slide number: N -->`` を出力するため、
それを区切りとして分割する。
Args:
path: 入力 pptx のパス。
Returns:
スライドごとの Markdown テキストのリスト(0 番目が slide 1)。
"""
text = MarkItDown().convert(str(path)).text_content
# 先頭のマーカー前(通常は空)は捨て、マーカー単位で分割する。
parts = re.split(r"(?=<!-- Slide number: \d+ -->)", text)
return [p.strip() for p in parts if p.strip()]
def main() -> None:
parser = argparse.ArgumentParser(description="python-pptx と markitdown の比較")
parser.add_argument("pptx", type=Path, help="入力 pptx")
parser.add_argument("--out-dir", type=Path, default=Path("output"), help="出力先")
parser.add_argument(
"--make-sample", action="store_true", help="サンプルを生成して終了"
)
args = parser.parse_args()
if args.make_sample:
make_sample(args.pptx)
print(f"created: {args.pptx}")
return
args.out_dir.mkdir(parents=True, exist_ok=True)
results = {
"python-pptx": parse_python_pptx(args.pptx),
"markitdown": parse_markitdown(args.pptx),
}
# 手法ごとに全スライド分を 1 ファイル(<out-dir>/<pptx名>.<手法>.txt)に保存する。
for name, slides in results.items():
content = "\n\n".join(slides) + "\n"
out = args.out_dir / f"{args.pptx.stem}.{name}.txt"
out.write_text(content, encoding="utf-8")
print(f"===== {name} -> {out} =====")
print(content)
if __name__ == "__main__":
main()
検証に使った sample.pptx は7枚構成で、スライドごとに要素を1種類ずつ入れています。
| スライド | 内容 |
|---|---|
| 1 | テキストボックス |
| 2 | テキストボックスとコメント |
| 3 | 表 |
| 4 | オートシェイプ |
| 5 | グラフ |
| 6 | SmartArt(項目A〜C) |
| 7 | 画像 |
検証に使ったPowerPointは次のリンクから確認できます。
比較結果
実際の出力は次のとおりです。
markitdownの出力
<!-- Slide number: 1 -->
テキストボックスのサンプル
テキストボックスのみのスライド
<!-- Slide number: 2 -->
テキストボックスとコメントのサンプル
テキストボックスとコメントを含むスライド
<!-- Slide number: 3 -->
テーブルのサンプル
| R1C1 | R1C2 | R1C3 |
| --- | --- | --- |
| R2C1 | R2C2 | R2C3 |
| R3C1 | R3C2 | R3C3 |
<!-- Slide number: 4 -->
オートシェイプのサンプル
角丸四角形
楕円
<!-- Slide number: 5 -->
四半期別売上グラフ
### Chart
| Category | 売上 |
|---|---|
| Q1 | 10.0 |
| Q2 | 20.0 |
| Q3 | 15.0 |
| Q4 | 30.0 |
<!-- Slide number: 6 -->
SmartArt(項目A〜C)のサンプル
<!-- Slide number: 7 -->
画像のサンプル



python-pptxの出力
## slide 1 (layout=Blank)
- [TEXT_BOX (17)] TextBox 1: 'テキストボックスのみのスライド'
- [TEXT_BOX (17)] Title 100: 'テキストボックスのサンプル'
## slide 2 (layout=Blank)
- [TEXT_BOX (17)] TextBox 1: 'テキストボックスとコメントを含むスライド'
- [TEXT_BOX (17)] Title 100: 'テキストボックスとコメントのサンプル'
## slide 3 (layout=Blank)
- [TABLE (19)] Table 1
row0: ['R1C1', 'R1C2', 'R1C3']
row1: ['R2C1', 'R2C2', 'R2C3']
row2: ['R3C1', 'R3C2', 'R3C3']
- [TEXT_BOX (17)] Title 100: 'テーブルのサンプル'
## slide 4 (layout=Blank)
- [AUTO_SHAPE (1)] Rounded Rectangle 1: '角丸四角形'
- [AUTO_SHAPE (1)] Oval 2: '楕円'
- [TEXT_BOX (17)] Title 100: 'オートシェイプのサンプル'
## slide 5 (layout=Blank)
- [CHART (3)] Chart 1
categories: ['Q1', 'Q2', 'Q3', 'Q4']
series '売上': [10.0, 20.0, 15.0, 30.0]
- [TEXT_BOX (17)] Title 100: '四半期別売上グラフ'
## slide 6 (layout=Blank)
- [None] SmartArt 1: SmartArt ['項目A', '項目B', '項目C']
- [TEXT_BOX (17)] Title 100: 'SmartArt(項目A〜C)のサンプル'
## slide 7 (layout=Blank)
- [TEXT_BOX (17)] Title 100: '画像のサンプル'
- [PICTURE (13)] 図 3
- [PICTURE (13)] 図 5
- [PICTURE (13)] 図 7
比較まとめ
各スライドのテキスト情報が取得できるかどうかを検証しました。
| スライド | 内容 | markitdown | python-pptx |
|---|---|---|---|
| 1 | テキストボックス | テキストが取得可能 | テキストと図形名が取得可能 |
| 2 | テキストボックスとコメント | 取得不可能 | 取得不可能 |
| 3 | 表 | Markdownの表形式で取得可能 | セルごとに取れる |
| 4 | オートシェイプ | テキストが取れる | テキストが取れる |
| 5 | グラフ | カテゴリと値が表で出る | カテゴリと系列の値が取得可能 |
| 6 | SmartArt | 取得不可 | 各項目のテキストが取得可能 |
| 7 | 画像 | 画像内の文字は取得不可能 | 画像内の文字は取得不可能。※画像をファイル保存して別のOCRツールで解析することは可能 |
差が出なかったもの(スライド1・2・4)
テキストボックスとオートシェイプは、どちらもテキストを取得できました。
コメントはどちらも取れません。コメントは図形ではなく別のパーツに保存されているためです。
markitdownが手軽だったもの(スライド3・5)
表は、markitdownだとそのままMarkdownの表になります。
| R1C1 | R1C2 | R1C3 |
| --- | --- | --- |
| R2C1 | R2C2 | R2C3 |
| R3C1 | R3C2 | R3C3 |
python-pptxでも取れますが、行ごとのリストとして取り出すだけです。
row0: ['R1C1', 'R1C2', 'R1C3']
row1: ['R2C1', 'R2C2', 'R2C3']
row2: ['R3C1', 'R3C2', 'R3C3']
Markdown形式に変更するのであれば、自前で変換する必要があります。
グラフの差は特に大きく、markitdownはデータを表で出力します。
### Chart
| Category | 売上 |
|---|---|
| Q1 | 10.0 |
| Q2 | 20.0 |
| Q3 | 15.0 |
| Q4 | 30.0 |
python-pptxは、チャートのデータを読むAPI(chart.plots など)があるため、スクリプトにコードを書けばカテゴリと系列の値を取得できます。
- [CHART (3)] Chart 1
categories: ['Q1', 'Q2', 'Q3', 'Q4']
series '売上': [10.0, 20.0, 15.0, 30.0]
ただし、markitdownは何も書かなくても表になるのに対し、python-pptxは自分でコードを書く必要があります。
SmartArt(スライド6)
SmartArtは、markitdownは何も出力せず、項目A〜Cは取れません。
python-pptxにはSmartArtを読むAPIがありません。ただし、SmartArtのテキストは diagrams/data*.xml に格納されているため、このXMLを直接読むコードを書けば取得できます。
- [None] SmartArt 1: SmartArt ['項目A', '項目B', '項目C']
SmartArtを読みたい場合は、python-pptx(+XML解析)が必要です。
画像(スライド7)
markitdownは画像を  というMarkdownで出します。
画像の中身(絵や文字)が分かるわけではなく、代替テキストとファイル名が出るだけです。
python-pptxでも画像内の文字は取得できないですが、コードを書けば画像内データをバイナリファイルとして取得できるので、OCRツールと組み合わせれば、画像内の文字列を取得することができます。
まとめ
- 読み取り(LLM向けのテキスト化)だけならmarkitdown。表とグラフのデータが、コード不要でそのままMarkdownになる
- 構造の詳細取得や、SmartArtなどmarkitdownが拾えないものが必要ならpython-pptx。コードは必要だが、グラフもSmartArtも取得できる
なお、今回の検証は1つのサンプルファイルによるもので、バージョンによって出力は変わる可能性があります。
実際の資料で試して確認してください。