استخراج پیشرفته متن از ارائه‌ها در PHP

مرور کلی

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

این مقاله راهنمای جامع را در مورد نحوه استخراج مؤثر متن از فرمت‌های مختلف ارائه، از جمله PPT، PPTX و ODP، با استفاده از Aspose.Slides برای PHP از طریق Java ارائه می‌دهد. شما یاد خواهید گرفت که چگونه به‌صورت سیستماتیک بر عناصر ارائه پیمایش کنید تا محتوای متنی مورد نیاز خود را به‌دقت بازیابی کنید.

استخراج متن از یک اسلاید

Aspose.Slides برای PHP از طریق Java کلاس SlideUtil را فراهم می‌کند. این کلاس چندین متد استاتیک بارگذاری‌شده برای استخراج تمام متن از یک ارائه یا اسلاید در اختیار می‌گذارد. برای استخراج متن از یک اسلاید در ارائه، از متد getAllTextBoxes استفاده کنید. این متد شیئی از نوع BaseSlide را به عنوان پارامتر می‌پذیرد. هنگام اجرا، متد تمام اسلاید را برای متن اسکن می‌کند و آرایه‌ای از اشیائی از نوع TextFrame برمی‌گرداند که قالب‌بندی متن را نیز حفظ می‌کند.

کد زیر تمام متن اسلاید اول ارائه را استخراج می‌کند:

$slideIndex = 0;

$presentation = new Presentation("demo.pptx");
$arrayClass = new java_class("java.lang.reflect.Array");

try {
    $slide = $presentation->getSlides()->get_Item($slideIndex);

    $textFrames = SlideUtil::getAllTextBoxes($slide);
    $textFrameCount = java_values($arrayClass->getLength($textFrames));

    for ($textFrameIndex = 0; $textFrameIndex < $textFrameCount; $textFrameIndex++) {
        foreach ($textFrames[$textFrameIndex]->getParagraphs() as $paragraph) {
            foreach ($paragraph->getPortions() as $portion) {
                $portionText = $portion->getText();
                echo($portionText);

                $portionFormat = $portion->getPortionFormat();
                $fontHeight = $portionFormat->getFontHeight();
                echo($fontHeight);

                $latinFont = $portionFormat->getLatinFont();
                if (!java_is_null($latinFont)) {
                    $fontName = $latinFont->getFontName();
                    echo($fontName);
                }
            }
        }
    }
} finally {
    $presentation->dispose();
}

استخراج متن از یک ارائه

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

1. اولین پارامتر، شیء Presentation است که نمای PowerPoint یا OpenDocument را که می‌خواهید متن آن استخراج شود، نمایش می‌دهد.
2. دومین پارامتر، مقدار boolean است که نشان می‌دهد آیا اسلایدهای مستر نیز در زمان اسکن متن از ارائه گنجانده شوند یا نه.

این متد آرایه‌ای از اشیائی از نوع TextFrame برمی‌گرداند که شامل اطلاعات قالب‌بندی متن نیز می‌شود. کد زیر متن و جزئیات قالب‌بندی را از یک ارائه، شامل اسلایدهای مستر، اسکن می‌کند:

$presentation = new Presentation("demo.pptx");
$arrayClass = new java_class("java.lang.reflect.Array");

try {
    $includeMasterSlides = true;
    $textFrames = SlideUtil::getAllTextFrames($presentation, $includeMasterSlides);
    $textFrameCount = java_values($arrayClass->getLength($textFrames));

    for ($textFrameIndex = 0; $textFrameIndex < $textFrameCount; $textFrameIndex++) {
        foreach ($textFrames[$textFrameIndex]->getParagraphs() as $paragraph) {
            foreach ($paragraph->getPortions() as $portion) {
                $portionText = $portion->getText();
                echo($portionText);

                $portionFormat = $portion->getPortionFormat();
                $fontHeight = $portionFormat->getFontHeight();
                echo($fontHeight);

                $latinFont = $portionFormat->getLatinFont();
                if (!java_is_null($latinFont)) {
                    $fontName = $latinFont->getFontName();
                    echo($fontName);
                }
            }
        }
    }
} finally {
    $presentation->dispose();
}

استخراج متنی دسته‌بندی‌شده و سریع

کلاس PresentationFactory نیز روش‌هایی برای استخراج تمام متن از ارائه‌ها فراهم می‌کند:

PresentationText getPresentationText(String, int);
PresentationText getPresentationText(InputStream, int);
PresentationText getPresentationText(InputStream, int, LoadOptions);

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

• Unarranged - متن خام بدون توجه به موقعیت آن در اسلاید.
• Arranged - متن به همان ترتیبی که در اسلاید قرار دارد، سازماندهی می‌شود.

حالت Unarranged می‌تواند وقتی سرعت مهم است، مورد استفاده قرار گیرد؛ این حالت سریع‌تر از حالت Arranged است.

کلاس PresentationText نمایانگر متن خام استخراج‌شده از ارائه است. متد getSlidesText آن آرایه‌ای از اشیائی برمی‌گرداند که هر شیء متن اسلاید مربوطه را نشان می‌دهد. هر شیء بازگشتی دارای متدهای زیر است:

• getText - متن داخل شکل‌های اسلاید.
• getMasterText - متن داخل شکل‌های اسلاید مستری که به این اسلاید مرتبط است.
• getLayoutText - متن داخل شکل‌های اسلاید لایه‌بندی که به این اسلاید مرتبط است.
• getNotesText - متن داخل شکل‌های اسلاید یادداشت‌ها که به این اسلاید مرتبط است.
• getCommentsText - متن داخل نظرات مرتبط با این اسلید.

$presentationPath = "presentation.ppt";
$arrangingMode = TextExtractionArrangingMode::Unarranged;
$presentationText = PresentationFactory::getInstance()->getPresentationText($presentationPath, $arrangingMode);
$slidesText = $presentationText->getSlidesText();
$firstSlideText = $slidesText[0];

echo($firstSlideText->getText());
echo($firstSlideText->getLayoutText());
echo($firstSlideText->getMasterText());
echo($firstSlideText->getNotesText());
echo($firstSlideText->getCommentsText());

پرسش‌های متداول

استخراج متن از ارائه‌های بزرگ با Aspose.Slides چقدر سریع است؟

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

آیا Aspose.Slides می‌تواند متن را از جداول و نمودارها درون 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 محتوای متنی را در ساختارهای معمول ارائه تجزیه و تحلیل کنید.

آیا برای استخراج متن از ارائه‌ها نیاز به لایسنس خاص Aspose.Slides دارم؟

می‌توانید متن را با نسخه آزمایشی رایگان Aspose.Slides استخراج کنید، اگرچه این نسخه دارای محدودیت‌های خاص است، مانند پردازش تعداد محدودی اسلاید. برای استفاده بدون محدودیت و پردازش ارائه‌های بزرگ‌تر، خرید لایسنس کامل توصیه می‌شود.