Python自动化处理PPT颜色隐写：以“办公室爱情”CTF赛题为例

最近在复盘一些CTF赛题时，遇到了一个挺有意思的挑战，题目叫“办公室爱情”。这道题的核心谜底藏在一个PPT文件里，但不是我们常见的文字或图片隐写，而是用颜色来编码信息。手动一页页去记录颜色、转换进制，不仅繁琐还容易出错。我当时就想，能不能用Python写个脚本，把整个过程自动化？结果还真行，而且整个思路对处理类似的文件结构隐写问题都很有启发性。这篇文章，我就来详细拆解一下如何用Python自动化处理PPT中的颜色隐写，不仅仅是复现这道题，更是分享一套可以复用的解题框架和代码思路。无论你是CTF爱好者，还是对Python自动化处理办公文档感兴趣，相信都能从中获得一些实用的技巧。

1. 理解赛题背景与颜色隐写原理

这道“办公室爱情”赛题，最终需要我们从一个名为“皮皮特.pptx”的文件中提取出flag。常规思路打开PPT，会发现里面全是各种纯色页面，依次是红、橙、黄、绿、青、蓝、紫、白等颜色的排列组合。出题人的意图很明确：将颜色作为一种编码符号。

注意：在CTF中，颜色编码是一种常见的隐写方式，其本质是将不同颜色映射为不同的数字或字符，从而构成一段可被解码的信息。

具体到这道题，解题者需要：

1. 按顺序记录PPT中每一页的背景颜色。
2. 将颜色按照“红橙黄绿青蓝紫”的顺序，分别映射为数字0到6。白色通常被用作分隔符。
3. 将得到的一串数字序列视为7进制数。
4. 将7进制数转换为10进制数。
5. 最后将10进制数转换为ASCII字符，拼接起来就是flag。

手动操作的话，面对几十页甚至上百页的PPT，工作量巨大且易错。这就是我们引入Python自动化的价值所在。但自动化之前，我们需要先搞懂PPT文件到底是怎么存储这些颜色信息的。

一个.pptx文件本质上是一个ZIP压缩包，里面包含了描述幻灯片内容、布局、媒体资源的XML文件以及其他资源。当我们设置某一页的背景为纯色时，这个颜色信息通常不会直接以“red”、“blue”这样的明文保存在主内容文件里，更常见的做法是引用一个外部的媒体文件（比如一张纯色的PNG图片）。解压PPT后，在 ppt/media/ 目录下，我们果然找到了8张纯色图片：image1.png到image8.png。而在 ppt/slides/_rels/ 目录下，每个幻灯片（.xml文件）都有一个对应的.rels文件，里面以XML格式定义了该幻灯片所引用的资源，其中就包括了背景图片。

例如，slide1.xml.rels 中可能包含这样一行：

<Relationship Id="rId2" Type="http://schemas.openxmlformats.org/officeDocument/2006/relationships/image" Target="../media/image1.png"/>

这里的 Target 属性明确指出了第一页幻灯片使用的图片是 image1.png。只要我们建立好 imageX.png 与实际颜色的对应关系，通过解析这些.rels文件，就能自动获知每一页的颜色，从而完全绕过手动查看PPT的步骤。

2. 构建自动化提取脚本：从解压到解析

理解了原理，我们就可以开始动手编写Python脚本了。整个流程可以清晰地分为几个步骤：文件预处理、颜色映射关系建立、XML文件解析、数据提取与转换。下面我们一步步来实现。

首先，我们需要对PPT文件进行预处理。虽然可以在代码里调用系统命令解压，但为了流程清晰和可重复性，我更喜欢先手动解压，或者用Python的 zipfile 库在脚本初始阶段完成解压。

import zipfile
import os

def extract_pptx(pptx_path, extract_to='./extracted_ppt'):
    """
    解压.pptx文件到指定目录。
    """
    if not os.path.exists(extract_to):
        os.makedirs(extract_to)
    with zipfile.ZipFile(pptx_path, 'r') as zip_ref:
        zip_ref.extractall(extract_to)
    print(f"[+] PPTX文件已解压至: {extract_to}")
    return extract_to

# 假设我们的PPT文件名为'皮皮特.pptx'
extracted_path = extract_pptx('皮皮特.pptx')

解压后，关键目录结构如下：

extracted_ppt/
├── ppt/
│   ├── media/          # 存放图片资源，如image1.png, image2.png...
│   └── slides/
│       └── _rels/      # 存放每个幻灯片文件的资源关系定义，如slide1.xml.rels

接下来是最关键的一步：建立颜色字典。我们需要检查 media 文件夹下的图片，确定每张图片对应的颜色。通常，出题人会按照一定顺序命名，但为了保险，最好用图像处理库（如PIL）读取图片的主色进行确认。这里为了简化，我们根据题目常见的顺序和文件名进行映射。

# 根据题目常见的颜色顺序和文件名，定义颜色映射字典
# 注意：这个映射需要根据实际图片内容进行校准
color_map = {
    "image1": "黄",
    "image2": "红",
    "image3": "青",
    "image4": "白",
    "image5": "橙",
    "image6": "绿",
    "image7": "紫",
    "image8": "蓝"
}

现在，进入核心的解析环节。我们需要遍历 ppt/slides/_rels/ 目录下的所有 .rels 文件（通常命名为 slide1.xml.rels, slide2.xml.rels...），从每个文件中提取出引用的图片文件名，再通过颜色字典转换成对应的颜色字符。

import re
import os

def extract_color_string(rels_dir, color_dict):
    """
    解析_rels目录下的所有.rels文件，提取颜色序列字符串。
    """
    color_sequence = ""
    # 获取所有.rels文件并按幻灯片编号排序
    rels_files = sorted([f for f in os.listdir(rels_dir) if f.endswith('.rels')],
                        key=lambda x: int(re.search(r'slide(\d+)', x).group(1)))

    for rels_file in rels_files:
        file_path = os.path.join(rels_dir, rels_file)
        with open(file_path, 'r', encoding='utf-8') as f:
            content = f.read()
        # 使用正则表达式匹配图片文件名，例如匹配 '../media/image1.png'
        match = re.search(r'../media/(image\d+)\.png', content)
        if match:
            image_name = match.group(1)  # 例如 'image1'
            color_sequence += color_dict.get(image_name, '?')  # 获取颜色，未找到则用'?'代替
        else:
            print(f"[-] 警告：在文件 {rels_file} 中未找到图片引用。")
            color_sequence += '?'
    print(f"[+] 提取的颜色序列: {color_sequence}")
    return color_sequence

rels_directory = os.path.join(extracted_path, 'ppt', 'slides', '_rels')
color_str = extract_color_string(rels_directory, color_map)

运行这段代码，我们就能得到一个由颜色汉字组成的字符串，比如“黄红青白橙绿紫蓝...”。这个字符串就代表了PPT页面的颜色顺序。

3. 数据解码：从颜色字符串到可读文本

拿到颜色字符串后，下一步就是解码。根据题目规则，我们需要将“红橙黄绿青蓝紫”分别映射为数字0-6，白色作为分隔符。之后，以白色为界，将字符串分割成多个数字串，每个数字串是一个7进制数，需要将其转换为10进制，再转为ASCII字符。

这里用Python的 str.maketrans 和 translate 方法来做字符替换非常高效。

def decode_color_string(color_str):
    """
    将颜色字符串解码为最终的flag。
    规则：红->0, 橙->1, 黄->2, 绿->3, 青->4, 蓝->5, 紫->6, 白作为分隔符。
    """
    # 创建翻译表，将颜色汉字映射为数字字符
    color_to_digit = str.maketrans("红橙黄绿青蓝紫", "0123456")

    # 将颜色字符串中的颜色替换为数字，白色暂时保留
    digit_str = color_str.translate(color_to_digit)
    print(f"[+] 转换后的数字序列（含分隔符）: {digit_str}")

    # 以'白'（在翻译后仍为'白'）作为分隔符，分割字符串
    # 通常最后一个分隔符后的内容可能是空的或无关，所以pop掉
    parts = digit_str.split('白')
    # 移除可能存在的空字符串部分
    parts = [p for p in parts if p]

    flag = ""
    for part in parts:
        if part:  # 确保部分不为空
            try:
                # 将7进制字符串转换为10进制整数
                decimal_val = int(part, 7)
                # 将整数转换为对应的ASCII字符
                flag += chr(decimal_val)
            except ValueError as e:
                print(f"[-] 错误：无法将 '{part}' 作为7进制数解析。{e}")
                flag += '?'

    print(f"[+] 解码出的字符串: {flag}")
    return flag

flag = decode_color_string(color_str)

将之前提取的 color_str 传入这个函数，理论上就能直接输出flag。在“办公室爱情”这道题中，输出的结果就是 flag{10ve_exCe1_!!!}。

这个过程看似简单，但其中有几个细节需要特别注意：

• 颜色映射的准确性：如果 color_map 字典定义错误，整个解码结果都会错。对于不确定的赛题，最好用PIL库验证图片颜色。
• 分隔符的处理：白色作为分隔符是这道题的设定，其他题目可能用其他颜色或规则。代码需要根据实际情况调整。
• 进制转换：int(part, base) 函数中的 base 参数是关键，这道题是7进制，其他题目可能是2进制、8进制、16进制，甚至自定义进制。

4. 脚本优化与通用性增强

上面的脚本解决了具体问题，但我们可以把它写得更加健壮和通用，以应对更多变种。以下是一些优化方向：

1. 自动识别颜色映射 与其手动编写 color_map，不如让脚本自动分析 media 文件夹下的图片，通过计算主要颜色（例如使用PIL库获取图片的RGB值）并与一个预定义的标准颜色表进行匹配，自动生成映射关系。这能极大提高脚本的适应性。

from PIL import Image
import colorsys

def get_dominant_color(image_path):
    """获取图片的主色调（简化版，取左上角像素）"""
    img = Image.open(image_path).convert('RGB')
    # 简单起见，取图片中心区域的平均色或某个像素
    width, height = img.size
    pixel = img.getpixel((width//2, height//2))
    return pixel

def auto_build_color_map(media_dir):
    """自动构建图片文件名到颜色名称的映射"""
    standard_colors = {
        (255,0,0): '红',
        (255,165,0): '橙',
        (255,255,0): '黄',
        (0,255,0): '绿',
        (0,255,255): '青',
        (0,0,255): '蓝',
        (128,0,128): '紫',
        (255,255,255): '白'
    }
    color_map = {}
    for img_file in os.listdir(media_dir):
        if img_file.lower().endswith(('.png', '.jpg', '.jpeg')):
            img_path = os.path.join(media_dir, img_file)
            dom_color = get_dominant_color(img_path)
            # 在标准颜色中找最接近的一个
            closest_color = min(standard_colors.items(),
                                key=lambda item: sum((a-b)**2 for a, b in zip(dom_color, item[0])))
            color_name = standard_colors[closest_color[0]]
            # 去掉文件扩展名作为key
            file_key = os.path.splitext(img_file)[0]
            color_map[file_key] = color_name
    return color_map

2. 处理复杂的XML命名空间 有些PPT文件的.rels文件可能包含XML命名空间，直接用简单的字符串匹配可能失效。使用 xml.etree.ElementTree 库进行解析会更可靠。

import xml.etree.ElementTree as ET

def extract_color_from_rels_xml(rels_path):
    """使用XML解析库提取引用的图片ID或路径"""
    tree = ET.parse(rels_path)
    root = tree.getroot()
    # 定义命名空间（可能需要根据实际文件调整）
    ns = {'r': 'http://schemas.openxmlformats.org/package/2006/relationships'}
    for rel in root.findall('r:Relationship', ns):
        rel_type = rel.get('Type')
        if 'image' in rel_type:
            target = rel.get('Target')
            # 从路径中提取图片文件名，如 '../media/image1.png' -> 'image1'
            image_name = os.path.splitext(os.path.basename(target))[0]
            return image_name
    return None

3. 支持多种编码规则 将解码部分抽象成一个可配置的规则引擎。我们可以定义一个规则字典，包含颜色到数字的映射、分隔符、进制数等信息。

decoding_rules = {
    'color_to_digit': {"红":0, "橙":1, "黄":2, "绿":3, "青":4, "蓝":5, "紫":6},
    'separator': "白",
    'base': 7
}

def decode_with_rules(color_str, rules):
    color_to_digit = rules['color_to_digit']
    separator = rules['separator']
    base = rules['base']

    # 将颜色字符串转换为数字字符串
    digit_list = []
    for char in color_str:
        if char in color_to_digit:
            digit_list.append(str(color_to_digit[char]))
        elif char == separator:
            digit_list.append(separator) # 保留分隔符用于分割
        else:
            digit_list.append('?') # 未知字符

    digit_str = ''.join(digit_list)
    parts = digit_str.split(separator)
    parts = [p for p in parts if p]

    result = ""
    for part in parts:
        try:
            result += chr(int(part, base))
        except:
            result += '?'
    return result

通过这样的优化，我们的脚本就从一道特定赛题的解题工具，升级为一个可以应对多种PPT颜色隐写变种的通用框架。只需要根据新题目的规则，调整 decoding_rules 字典，或者提供新的颜色映射文件，脚本就能快速投入使用。

5. 实战扩展与思维迁移

掌握了PPT颜色隐写的自动化处理方法后，这种思维可以迁移到许多其他CTF赛题和实际场景中。本质上，我们是在处理一种**“将信息编码在文件元数据或资源引用关系”** 的隐写术。类似的思路可以应用于：

• Word/Excel文件：.docx/.xlsx同样也是ZIP压缩包，内部包含XML和资源。隐写信息可能藏在文档属性、自定义XML部件、样式ID序列，或者图表数据点的细微差别中。
• 图片元数据（Exif）：虽然常见，但有时信息会藏在非常规的标签里，或者需要将多个标签值组合、计算后才能得到flag。
• 网络流量包（PCAP）：协议字段中的特定序列、时间间隔、负载长度的规律，都可能构成一种编码。编写脚本自动提取并分析这些特征，是取证类题目的关键。
• 音频频谱隐写：将信息编码在特定频率或时段的振幅中，通过脚本批量读取音频样本数据，进行傅里叶变换后提取特征，再解码。

自动化脚本的核心优势在于可重复性和精确性。在CTF比赛中，时间就是分数。一个可靠的脚本不仅能快速解出当前题目，在遇到类似题型时，稍作修改就能再次使用，极大提升了解题效率。更重要的是，在编写脚本的过程中，你被迫去深入理解文件格式、编码原理和出题逻辑，这本身就是一种极佳的学习和技能提升方式。

下次再遇到藏在Office文档里的“颜色谜语”时，希望你能自信地打开编辑器，用Python和清晰的逻辑，让机器替你完成那些繁琐的重复劳动。