首页
学习
活动
专区
圈层
工具
发布
社区首页 >专栏 >#WorkBuddy# PPT 改完文字又变回旧文案?拆开 pptx 才发现同一句话存了两份

#WorkBuddy# PPT 改完文字又变回旧文案?拆开 pptx 才发现同一句话存了两份

原创
作者头像
用户12911493
发布于 2026-11-20 17:36:08
发布于 2026-11-20 17:36:08
40
举报

先说结论,省得你跟着踩:

一个 pptx 里的一句话,可能在 XML 里存了两份。一份是看得见的文字 run(<a:t>),另一份压在形状的 descr 属性里——那不是备注,是整页布局的 JSX 源码,文案、字号、坐标、颜色全在里面。

只改前一份,文件打开看着完全正常。等到谁按源码重渲染一次(导出 PDF、换主题、再让 AI 改一版),旧文案就原地复活,位置字号一模一样,你会以为自己在看缓存的旧文件。

下面是我拆真文件、跑真实验的全过程。


一、事情是怎么开始的

用 AI 生成了一份 26 页的汇报 PPT,交付前有几处措辞要改。常规做法:pptx 就是 zip,解开,正则替换 ppt/slides/slideN.xml 里的 <a:t> 标签内容,重新打包。

第一轮改完,打开 PowerPoint 逐页翻,字确实变了,位置也没跑。交出去。

第二轮要出 PDF,同时让 AI 按新文案重新渲染一版图。结果回来的是第一版的文案——不是我改错的那几句,是整个位置、字号、颜色都和改之前完全一致,像是我从来没动过。

这就不是"改漏了一句"的问题了,是"我改的那份根本不是它读的那份"。

二、先把文件当 zip 拆开

63 个条目。真正装文字的是 ppt/slides/slideN.xml,一页一个,纯文本,首页 36KB。剩下的 slideLayouts、theme、slideMasters 是壳。

用 Python 读首页,数一数文本 run:

18 段,没毛病。但紧接着我又数了个东西:descr=" 出现了几次。

6 次。

一页上有 6 个形状(或文本框)带着 descr 属性。把其中一个解出来看看:

<Slide style={{ width: 1280, height: 720, background: '#F7F5F0' }}> 开头,往下是 <Box>、<Text> 一层层嵌套,文案直接用 JSX 写死在里面。整个首页的排版源码,一份不少地塞在 shape 的属性里。

到这一步谜底就清楚了一半:这份 PPT 是某个生成器「设计稿 → pptx」导出的,它把设计稿源码一起存进了文件,方便以后重新渲染。我改的是导出的结果,它读的是存下来的源码。

三、量化一下:一句话到底存了几份

别停在"大概有两份",得数准。写个探测脚本,对首页每句文案同时统计两个数:全文出现次数、run 层出现次数,差值就是 descr 层。

18 段文字里挑三句:

文案

全文

run 层

descr 层

复盘报告

2

1

1

全年技术

2

1

1

供团队内部评审使用

2

1

1

规律干净得让人发毛:页面上看得见的每一句,源码里都压着一份复制品。

这也解释了一个更隐蔽的现象——为什么有些"改完没生效"的反馈里,是部分文字变了、部分没变。改的时候命中的是 run 层,而 run 是按字体/颜色切的片段,一句话可能被切成三段(数字、标点、正文字体各不相同就会切开),你只替换到其中一段,看着就像"只改了一半"。

摸底:一次把整份文件扫干净

顺手做了全量统计,26 页的结果长这样:

项目

数量

页数

26

文本 run

1071

descr 属性

342

带 descr 的页

26(页页都有)

平均每页 13 个 descr。这个数字说明一件事:不是"某几页特殊",是这套导出机制的通例。所以替换逻辑必须全页覆盖,别只改你记得的那几页——第 21 页有 126 个 run,正是文案最密的一页,也是最容易漏的一页。

扫描脚本很短,改文件前先跑一遍,心里有底:

四、对照实验:只改 run 和双层替换差多少

同一份文件,同样的旧文案,跑两个版本。

核心就两个动作:

只改第一层,残留 1 次;两层的都改,残留 0 次。

注意两个文件的 zip 完整性都是 OK,用 PowerPoint 打开也都正常,前几页肉眼根本看不出区别。这个 bug 不会在"打开"这一步暴露,只会在"重新生成"这一步暴露——这就是它最坑的地方,你验收的方式恰好绕过了它。

五、坑中坑:我的验证方法先骗了我一次

第一版脚本里,我写的新文案是「复盘报告(定稿)」。跑完一看:

两层都显示残留 2 次。按当时的理解就是"两种改法全都没生效",差点掉头去查 zip 写入逻辑。

实际上两层都改成功了。问题在验证方法本身:

新文案包含旧文案时,count(旧) 永远清不了零。一条在新建的「复盘报告(定稿)」里,一条是没改到的真残留,两个数长得一模一样,光看数字分不出来。

换成不含旧串的新文案(「复盘结论」)再跑,1 / 0,真数字才出来。

这条记下来:验证脚本本身也要被验证。最省事的做法是换一个和旧文案没有包含关系的新词跑一遍,两次数一致才算数。

六、能直接用的脚本

把上面的东西收成一个脚本,加两条硬规则:旧文案必须彻底消失,一条都没命中就整体失败。

三条设计都是被坑出来的:

  1. 先写 .tmp,校验通过才 rename。中途任何一条不通,输出文件不存在,原文件一个字节没动。别在源文件上原地改。
  2. 0 命中要报错。这条最容易被忽略。我第一版没加,测的时候给了一条不存在的文案,脚本安安静静跑完、退出码 0、还生成了一个"改完了其实一个字没改"的文件。要是没发现,这文件就直接交出去了。
  3. 打印每条的命中分布。run 1 处 / descr 1 处 这种输出,一眼能看出双层是不是都命中了。只有 run 有数字、descr 是 0,说明这页的源码结构和你以为的不一样,别往下走。

七、还有两个容易漏的点

(1)<a:t> 别写成裸标签。

带 xml:space="preserve" 的 run 专放纯空格、数字、混排片段,裸标签正则完全匹配不到。这份样本恰好 18 个 run 都不带属性,换成别的文件就会漏,而漏掉的那几个正好是最容易被盯出来的数字。

(2)重打包时别重建 ZipInfo。

PowerPoint 对这个比想象中敏感。图片、字体那些二进制条目尤其经不起重新压一遍。

(3)整句替换 0 命中,八成是被切成了多段。

把首页那句长文案的 run 原样打出来,是这么切的:

一句话四段,中间那截纯数字单独成 run(数字走了等宽字体)。所以拿整句去替换,<a:t> 里根本找不到这一整串,命中 0。

处理办法有两个:一是按片段替换(把「 90 」这种最小单元写进替换表),二是先做一次"整页文本拼接 → 定位 → 反查所在 run"的映射。文案改动量小的时候,第一种够用;要批量改标题句式,值得写第二种。

八、交付前过一遍这个清单

  • 源文件先复制一份 .bak,所有操作在副本上做
  • 替换表用 JSON 存,别写在命令行里(中文和引号会被 shell 吃掉)
  • 跑完看命中分布:每条都该有数字,run 和 descr 都该有
  • 残留必须是 0,0 命中必须报错
  • 用 PowerPoint 或 WPS 真打开一次,翻到改过的那几页
  • 如果有"重新渲染"入口,一定重渲一次再看——只验证"打开正常"等于没验证

九、最后

这套东西不限于 pptx。任何"生成器把源码/配置写进文件元数据"的格式都有同一个陷阱:你看到的那份是产物,它实际读的那份可能藏在属性里。docx 的 w:document.xml 没有这个双层结构,但 Figma 导出、HTML 里的 data- 属性、SVG 的 data-name,逻辑是一样的。

真正费时间的从来不是"正则怎么写",而是"这个文件里到底有几份真话"。改之前先数一遍,比改完之后验三遍管用。

(文中的样本文件已脱敏,只保留结构,文案换成中性示例;所有数字都是在 26 页真实稿件首页上跑出来的。)

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

目录
  • 一、事情是怎么开始的
  • 二、先把文件当 zip 拆开
  • 三、量化一下:一句话到底存了几份
    • 摸底:一次把整份文件扫干净
  • 四、对照实验:只改 run 和双层替换差多少
  • 五、坑中坑:我的验证方法先骗了我一次
  • 六、能直接用的脚本
  • 七、还有两个容易漏的点
  • 八、交付前过一遍这个清单
  • 九、最后
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档