指定した単語を含むパワポファイル出力ツールを作ったよ
作ったきっかけ
「Golang系のスライドどこいった...？」 っていうことが度々起こったため作りました。
slideshareのスライドを電車の中で読むために、いっぱいダウンロードするんですよね。 で、何日か経つと「あのときのあのスライドどこいった〜？」ってなるわけ。
作ったもの
-w word で指定するとwordを含むパワポファイルのフルパスを表示。
$ ./pptgrep -w GOOGLE /home/k2la/test.pptx
-p startpoint で指定するとstartpoint内のファイルから探してくれる。
$ ./pptgrep -w APPLE -p ~ /home/k2la/test1.pptx /home/k2la/test2.pptx /home/k2la/test3.pptx
-r をつけて再帰的に探すこともできます
$ ./pptgrep -w Docker -r -p ~/Downloads /home/k2la/Downloads/docker/test.pptx /home/k2la/Downloads/docker/test02.pptx /home/k2la/Downloads/slide0706/test.pptx
実装
パワポファイル(.pptx)
file コマンドで調べてみると
$ file test.pptx test.pptx: Microsoft PowerPoint 2007+
こんな感じに出力されます。
で、これを unzip コマンドで解凍してみると
$ unzip test.pptx -d test Archive: test.pptx inflating: test/[Content_Types].xml inflating: test/_rels/.rels inflating: test/ppt/slides/_rels/slide1.xml.rels inflating: test/ppt/slides/_rels/slide2.xml.rels inflating: test/ppt/slides/_rels/slide3.xml.rels inflating: test/ppt/slides/_rels/slide4.xml.rels inflating: test/ppt/_rels/presentation.xml.rels inflating: test/ppt/presentation.xml inflating: test/ppt/slides/slide4.xml inflating: test/ppt/slides/slide3.xml inflating: test/ppt/slides/slide2.xml inflating: test/ppt/slides/slide1.xml inflating: test/ppt/slideLayouts/_rels/slideLayout3.xml.rels inflating: test/ppt/slideLayouts/_rels/slideLayout6.xml.rels inflating: test/ppt/slideLayouts/_rels/slideLayout8.xml.rels inflating: test/ppt/slideLayouts/_rels/slideLayout9.xml.rels inflating: test/ppt/slideLayouts/_rels/slideLayout7.xml.rels inflating: test/ppt/slideLayouts/_rels/slideLayout4.xml.rels inflating: test/ppt/slideLayouts/_rels/slideLayout5.xml.rels inflating: test/ppt/slideLayouts/_rels/slideLayout1.xml.rels inflating: test/ppt/slideLayouts/_rels/slideLayout2.xml.rels inflating: test/ppt/slideMasters/_rels/slideMaster1.xml.rels inflating: test/ppt/slideLayouts/_rels/slideLayout10.xml.rels inflating: test/ppt/slideLayouts/slideLayout10.xml inflating: test/ppt/slideLayouts/slideLayout2.xml inflating: test/ppt/slideLayouts/slideLayout1.xml inflating: test/ppt/slideLayouts/_rels/slideLayout11.xml.rels inflating: test/ppt/slideMasters/slideMaster1.xml inflating: test/ppt/slideLayouts/slideLayout3.xml inflating: test/ppt/slideLayouts/slideLayout4.xml inflating: test/ppt/slideLayouts/slideLayout5.xml inflating: test/ppt/slideLayouts/slideLayout9.xml inflating: test/ppt/slideLayouts/slideLayout11.xml inflating: test/ppt/slideLayouts/slideLayout8.xml inflating: test/ppt/slideLayouts/slideLayout6.xml inflating: test/ppt/slideLayouts/slideLayout7.xml inflating: test/ppt/theme/theme1.xml extracting: test/ppt/media/image1.jpeg inflating: test/ppt/theme/_rels/theme1.xml.rels extracting: test/docProps/thumbnail.jpeg inflating: test/ppt/presProps.xml inflating: test/ppt/tableStyles.xml inflating: test/ppt/viewProps.xml inflating: test/docProps/app.xml inflating: test/docProps/core.xml
こんな感じに解凍されます。
スライドのタイトルや内容の文字列は
ppt/slides/slide*.xml に含まれています。
この中を調べていくことになります。
ソースコードの一部
以下のコードは
で構成されています。
package main
import (
"archive/zip"
"path/filepath"
"regexp"
)
var slide = regexp.MustCompile(filepath.Join("ppt", "slides", "slide"))
func isPpt(path string) bool {
e := filepath.Ext(path)
if e == ".ppt" || e == ".pptx" {
return true
}
return false
}
func containWord(archive, word string) bool {
reader, err := zip.OpenReader(archive)
if err != nil {
return false
}
for _, file := range reader.File {
if slide.MatchString(file.Name) {
fileReader, err := file.Open()
if err != nil {
return false
}
var p = make([]byte, file.FileInfo().Size())
fileReader.Read(p)
defer fileReader.Close()
r := regexp.MustCompile(word)
if r.MatchString(string(p)) {
return true
}
}
}
return false
}
パワポファイルかどうかの判定は、あまりよろしくないですが拡張子で判定しています。
文字列の検索部分は、正規表現で含んでいるかどうかを見ています。
