Extracción avanzada de texto de presentaciones en PHP

No es raro que los desarrolladores necesiten extraer el texto de una presentación. Para ello, es necesario extraer el texto de todas las formas en todas las diapositivas de una presentación. Este artículo explica cómo extraer texto de presentaciones Microsoft PowerPoint PPTX usando Aspose.Slides.

Extract Text from Slides

Aspose.Slides for PHP via Java proporciona la clase SlideUtil. Esta clase expone varios métodos estáticos sobrecargados para extraer todo el texto de una presentación o diapositiva. Para extraer el texto de una diapositiva en una presentación PPTX, utilice el método estático sobrecargado getAllTextBoxes expuesto por la clase SlideUtil. Este método acepta el objeto Slide como parámetro. Al ejecutarse, el método Slide escanea todo el texto de la diapositiva pasada como parámetro y devuelve una matriz de objetos TextFrame. Esto significa que cualquier formato de texto asociado está disponible. El siguiente fragmento de código extrae todo el texto de la primera diapositiva de la presentación:

  # Instanciar la clase Presentation que representa un archivo PPTX
  $pres = new Presentation("demo.pptx");
  $Array = new java_class("java.lang.reflect.Array");
  try {
    foreach($pres->getSlides() as $slide) {
      # Obtener una matriz de objetos ITextFrame de todas las diapositivas del PPTX
      $textFramesPPTX = SlideUtil->getAllTextBoxes($slide);
      # Recorrer la matriz de TextFrames
      for($i = 0; $i < java_values($Array->getLength($textFramesPPTX)) ; $i++) {
        # Recorrer los párrafos del ITextFrame actual
        foreach($textFramesPPTX[$i]->getParagraphs() as $para) {
          # Recorrer las porciones del IParagraph actual
          foreach($para->getPortions() as $port) {
            # Mostrar el texto de la porción actual
            echo($port->getText());
            # Mostrar la altura de fuente del texto
            echo($port->getPortionFormat()->getFontHeight());
            # Mostrar el nombre de la fuente del texto
            if (!java_is_null($port->getPortionFormat()->getLatinFont())) {
              echo($port->getPortionFormat()->getLatinFont()->getFontName());
            }
          }
        }
      }
    }
  } finally {
    $pres->dispose();
  }

Extract Text from Presentations

Para escanear el texto de toda la presentación, utilice el método estático getAllTextFrames expuesto por la clase SlideUtil. Toma dos parámetros:

1. Primero, un objeto Presentation que representa la presentación de la que se extrae el texto.
2. Segundo, un valor booleano que determina si la diapositiva maestra debe incluirse al escanear el texto de la presentación.
   El método devuelve una matriz de objetos TextFrame con información completa de formato de texto. El código a continuación escanea el texto y la información de formato de una presentación, incluidas las diapositivas maestras.

  # Instanciar la clase Presentation que representa un archivo PPTX
  $pres = new Presentation("demo.pptx");
  $Array = new java_class("java.lang.reflect.Array");
  try {
    # Obtener una matriz de objetos ITextFrame de todas las diapositivas del PPTX
    $textFramesPPTX = SlideUtil->getAllTextFrames($pres, true);
    # Recorrer la matriz de TextFrames
    for($i = 0; $i < java_values($Array->getLength($textFramesPPTX)) ; $i++) {
      # Recorrer los párrafos del ITextFrame actual
      foreach($textFramesPPTX[$i]->getParagraphs() as $para) {
        # Recorrer las porciones del IParagraph actual
        foreach($para->getPortions() as $port) {
          # Mostrar el texto de la porción actual
          echo($port->getText());
          # Mostrar la altura de la fuente del texto
          echo($port->getPortionFormat()->getFontHeight());
          # Mostrar el nombre de la fuente del texto
          if (!java_is_null($port->getPortionFormat()->getLatinFont())) {
            echo($port->getPortionFormat()->getLatinFont()->getFontName());
          }
        }
      }
    }
  } finally {
    $pres->dispose();
  }

Categorized and Fast Text Extraction

El nuevo método estático getPresentationText se ha añadido a la clase Presentation. Hay tres sobrecargas para este método:

FAQ

¿Qué tan rápido procesa Aspose.Slides presentaciones grandes durante la extracción de texto?

Aspose.Slides está optimizado para alto rendimiento y procesa de manera eficiente incluso presentaciones grandes, lo que lo hace adecuado para escenarios de procesamiento en tiempo real o por lotes.

¿Puede Aspose.Slides extraer texto de tablas y gráficos dentro de las presentaciones?

Sí, Aspose.Slides admite plenamente la extracción de texto de tablas, gráficos y otros elementos complejos de las diapositivas, lo que permite acceder y analizar todo el contenido textual con facilidad.

¿Necesito una licencia especial de Aspose.Slides para extraer texto de presentaciones?

Puede extraer texto utilizando la versión de prueba gratuita de Aspose.Slides, aunque tendrá ciertas limitaciones, como procesar solo un número limitado de diapositivas. Para uso sin restricciones y para manejar presentaciones más grandes, se recomienda adquirir una licencia completa.