استخراج پیشرفته متن از ارائه‌ها در جاوا اسکریپت

مرور کلی

استخراج متن از ارائه‌ها کاری رایج اما اساسی برای توسعه‌دهندگانی است که با محتوای اسلایدها سروکار دارند. چه با فایل‌های Microsoft PowerPoint با فرمت PPT یا PPTX کار کنید و چه با ارائه‌های OpenDocument (ODP)، دسترسی و بازیابی داده‌های متنی می‌تواند برای تحلیل، خودکارسازی، ایندکس‌گذاری یا مهاجرت محتوا حیاتی باشد.

این مقاله راهنمای جامعی برای استخراج مؤثر متن از قالب‌های مختلف ارائه، از جمله PPT، PPTX و ODP، با استفاده از Aspose.Slides برای Node.js از طریق Java ارائه می‌دهد. شما یاد می‌گیرید چگونه به‌صورت سیستماتیک از عناصر ارائه عبور کنید تا محتوای متنی مورد نیاز را به‌دقت بازیابی کنید.

استخراج متن از یک اسلاید

Aspose.Slides برای Node.js از طریق Java کلاس SlideUtil را فراهم می‌کند. این کلاس چندین متد استاتیک بارگذاری‌شده برای استخراج تمام متن از یک ارائه یا اسلاید را در اختیار می‌گذارد. برای استخراج متن از یک اسلاید در یک ارائه، از متد getAllTextBoxes استفاده کنید. این متد یک شیء اسلاید را به‌عنوان پارامتر می‌پذیرد. هنگام اجرا، متد کل اسلاید را برای متن اسکن می‌کند و آرایه‌ای از اشیاء TextFrame را برمی‌گرداند که قالب‌بندی متن را حفظ می‌کند.

کد زیر تمام متن اسلاید اول ارائه را استخراج می‌کند:

const slideIndex = 0;

const presentation = new aspose.slides.Presentation("demo.pptx");
try {
    const slide = presentation.getSlides().get_Item(slideIndex);

    const textFrames = aspose.slides.SlideUtil.getAllTextBoxes(slide);

    for (let textFrameIndex = 0; textFrameIndex < textFrames.length; textFrameIndex++) {
        const textFrame = textFrames[textFrameIndex];

        const paragraphs = textFrame.getParagraphs();
        const paragraphCount = paragraphs.getCount();
        for (let paragraphIndex = 0; paragraphIndex < paragraphCount; paragraphIndex++) {
            const paragraph = paragraphs.get_Item(paragraphIndex);

            const portions = paragraph.getPortions();
            const portionCount = portions.getCount();
            for (let portionIndex = 0; portionIndex < portionCount; portionIndex++) {
                const portion = portions.get_Item(portionIndex);

                const portionText = portion.getText();
                console.log(portionText);

                const portionFormat = portion.getPortionFormat();
                const fontHeight = portionFormat.getFontHeight();
                console.log(fontHeight);

                const latinFont = portionFormat.getLatinFont();
                if (latinFont !== null) {
                    const fontName = latinFont.getFontName();
                    console.log(fontName);
                }
            }
        }
    }
} finally {
    presentation.dispose();
}

استخراج متن از یک ارائه

برای اسکن متن از کل ارائه، از متد استاتیک getAllTextFrames که توسط کلاس SlideUtil ارائه می‌شود، استفاده کنید. این متد دو پارامتر می‌پذیرد:

1. ابتدا، شیء Presentation که نمایانگر ارائه PowerPoint یا OpenDocument است و متن از آن استخراج می‌شود.
2. دوم، مقدار boolean که نشان می‌دهد آیا اسلایدهای مستر هنگام اسکن متن از ارائه گنجانده شوند یا نه.

متد یک آرایه از اشیاء TextFrame را برمی‌گرداند که شامل اطلاعات قالب‌بندی متن است. کد زیر متن و جزئیات قالب‌بندی را از یک ارائه، از جمله اسلایدهای مستر، اسکن می‌کند.

const presentation = new aspose.slides.Presentation("demo.pptx");
try {
    const includeMasterSlides = true;
    const textFrames = aspose.slides.SlideUtil.getAllTextFrames(presentation, includeMasterSlides);

    for (let textFrameIndex = 0; textFrameIndex < textFrames.length; textFrameIndex++) {
        const textFrame = textFrames[textFrameIndex];

        const paragraphs = textFrame.getParagraphs();
        const paragraphCount = paragraphs.getCount();
        for (let paragraphIndex = 0; paragraphIndex < paragraphCount; paragraphIndex++) {
            const paragraph = paragraphs.get_Item(paragraphIndex);

            const portions = paragraph.getPortions();
            const portionCount = portions.getCount();
            for (let portionIndex = 0; portionIndex < portionCount; portionIndex++) {
                const portion = portions.get_Item(portionIndex);

                const portionText = portion.getText();
                console.log(portionText);

                const portionFormat = portion.getPortionFormat();
                const fontHeight = portionFormat.getFontHeight();
                console.log(fontHeight);

                const latinFont = portionFormat.getLatinFont();
                if (latinFont !== null) {
                    const fontName = latinFont.getFontName();
                    console.log(fontName);
                }
            }
        }
    }
} finally {
    presentation.dispose();
}

استخراج متن دسته‌بندی‌شده و سریع

کلاس PresentationFactory نیز متدهایی برای استخراج تمام متن از ارائه‌ها ارائه می‌دهد:

PresentationText getPresentationText(String file, int mode);
PresentationText getPresentationText(InputStream stream, int mode);
PresentationText getPresentationText(InputStream stream, int mode, LoadOptions options);

آرگومان enum TextExtractionArrangingMode حالت سازماندهی نتیجه استخراج متن را تعیین می‌کند و می‌تواند به مقادیر زیر تنظیم شود:

• Unarranged - متن خام بدون در نظر گرفتن موقعیت آن در اسلاید.
• Arranged - متن به همان ترتیب که در اسلاید ظاهر می‌شود، سازماندهی می‌شود.

حالت Unarranged می‌تواند زمانی استفاده شود که سرعت بحرانی باشد؛ این حالت نسبت به حالت Arranged سریع‌تر است.

PresentationText متن خام استخراج‌شده از ارائه را نشان می‌دهد. متد getSlidesText این کلاس یک آرایه از اشیاء را برمی‌گرداند که هر یک متن اسلاید مربوطه را نمایندگی می‌کند. هر شیء متن اسلاید متدهای زیر را داراست:

• متد getText متن داخل اشکال اسلاید را برمی‌گرداند.
• متد getMasterText متن داخل اشکال اسلاید مستر مرتبط با این اسلاید را برمی‌گرداند.
• متد getLayoutText متن داخل اشکال اسلاید Layout مرتبط با این اسلاید را برمی‌گرداند.
• متد getNotesText متن داخل اشکال اسلاید یادداشت‌ها مرتبط با این اسلاید را برمی‌گرداند.
• متد getCommentsText متن داخل نظرات مرتبط با این اسلاید را برمی‌گرداند.

const presentationPath = "presentation.ppt";
const arrangingMode = aspose.slides.TextExtractionArrangingMode.Unarranged;
const presentationText = aspose.slides.PresentationFactory.getInstance().getPresentationText(presentationPath, arrangingMode);
const firstSlideText = presentationText.getSlidesText()[0];

console.log(firstSlideText.getText());
console.log(firstSlideText.getLayoutText());
console.log(firstSlideText.getMasterText());
console.log(firstSlideText.getNotesText());
console.log(firstSlideText.getCommentsText());

سوالات متداول

Aspose.Slides در هنگام استخراج متن از ارائه‌های بزرگ چقدر سریع عمل می‌کند؟

Aspose.Slides برای عملکرد بالا بهینه‌سازی شده است و می‌تواند حتی ارائه‌های بزرگ را پردازش کند، لذا برای سناریوهای پردازش زمان واقعی یا دسته‌ای مناسب است.

آیا Aspose.Slides می‌تواند متن را از جداول و نمودارها داخل ارائه‌ها استخراج کند؟

بله. Aspose.Slides می‌تواند متن را از بسیاری از عناصر اسلاید، از جمله جداول و اشیاء مرتبط با نمودارها استخراج کند تا بتوانید محتویات متنی را در ساختارهای رایج ارائه تحلیل کنید.

آیا برای استخراج متن از ارائه‌ها به licence ویژه‌ای از Aspose.Slides نیاز دارم؟

می‌توانید با نسخه آزمایشی رایگان Aspose.Slides متن را استخراج کنید، هرچند برخی محدودیت‌ها دارد، مانند پردازش تعداد محدودی اسلاید. برای استفاده بدون محدودیت و پردازش ارائه‌های بزرگتر، خرید لایسنس کامل توصیه می‌شود.