Extraction avancée de texte à partir de présentations sur Android

Vue d’ensemble

L’extraction du texte à partir de présentations est une tâche courante mais essentielle pour les développeurs qui travaillent avec le contenu des diapositives. Que vous manipuliez des fichiers Microsoft PowerPoint au format PPT ou PPTX, ou des présentations OpenDocument (ODP), l’accès et la récupération des données textuelles peuvent être cruciaux pour l’analyse, l’automatisation, l’indexation ou la migration de contenu.

Cet article fournit un guide complet sur la façon d’extraire efficacement le texte de différents formats de présentation, notamment PPT, PPTX et ODP, en utilisant Aspose.Slides for Android via Java. Vous apprendrez à parcourir systématiquement les éléments d’une présentation afin de récupérer avec précision le contenu texte dont vous avez besoin.

Extraire le texte d’une diapositive

Aspose.Slides for Android via Java fournit la classe SlideUtil. Cette classe expose plusieurs méthodes statiques surchargées permettant d’extraire tout le texte d’une présentation ou d’une diapositive. Pour extraire le texte d’une diapositive dans une présentation, utilisez la méthode getAllTextBoxes. Cette méthode accepte un objet de type IBaseSlide en paramètre. Lors de son exécution, la méthode parcourt toute la diapositive à la recherche de texte et renvoie un tableau d’objets de type ITextFrame, en conservant le formatage du texte.

Le fragment de code suivant extrait tout le texte de la première diapositive de la présentation :

int slideIndex = 0;

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

    ITextFrame[] textFrames = SlideUtil.getAllTextBoxes(slide);

    for (ITextFrame textFrame : textFrames) {
        for (IParagraph paragraph : textFrame.getParagraphs()) {
            for (IPortion portion : paragraph.getPortions()) {
                String portionText = portion.getText();
                System.out.println(portionText);

                IPortionFormat portionFormat = portion.getPortionFormat();
                float fontHeight = portionFormat.getFontHeight();
                System.out.println(fontHeight);

                IFontData latinFont = portionFormat.getLatinFont();
                if (latinFont != null) {
                    String fontName = latinFont.getFontName();
                    System.out.println(fontName);
                }
            }
        }
    }
} finally {
    presentation.dispose();
}

Extraire le texte d’une présentation

Pour analyser le texte de l’ensemble de la présentation, utilisez la méthode statique getAllTextFrames exposée par la classe SlideUtil. Elle accepte deux paramètres :

1. Tout d’abord, un objet IPresentation représentant une présentation PowerPoint ou OpenDocument à partir de laquelle le texte sera extrait.
2. Deuxièmement, une valeur boolean indiquant si les diapositives maîtres doivent être incluses lors de l’analyse du texte de la présentation.

La méthode renvoie un tableau d’objets de type ITextFrame, incluant les informations de formatage du texte. Le code ci‑dessous analyse le texte et les détails de formatage d’une présentation, y compris les diapositives maîtres.

Presentation presentation = new Presentation("demo.pptx");
try {
    boolean includeMasterSlides = true;
    ITextFrame[] textFrames = SlideUtil.getAllTextFrames(presentation, includeMasterSlides);

    for (ITextFrame textFrame : textFrames) {
        for (IParagraph paragraph : textFrame.getParagraphs()) {
            for (IPortion portion : paragraph.getPortions()) {
                String portionText = portion.getText();
                System.out.println(portionText);

                IPortionFormat portionFormat = portion.getPortionFormat();
                float fontHeight = portionFormat.getFontHeight();
                System.out.println(fontHeight);

                IFontData latinFont = portionFormat.getLatinFont();
                if (latinFont != null) {
                    String fontName = latinFont.getFontName();
                    System.out.println(fontName);
                }
            }
        }
    }
} finally {
    presentation.dispose();
}

Extraction de texte catégorisée et rapide

La classe PresentationFactory propose également des méthodes pour extraire tout le texte des présentations :

IPresentationText getPresentationText(String file, int mode);
IPresentationText getPresentationText(InputStream stream, int mode);
IPresentationText getPresentationText(InputStream stream, int mode, ILoadOptions options);

L’argument d’énumération TextExtractionArrangingMode indique le mode d’organisation du résultat d’extraction du texte et peut prendre les valeurs suivantes :

• Unarranged - Le texte brut sans tenir compte de sa position sur la diapositive.
• Arranged - Le texte est organisé dans le même ordre que sur la diapositive.

Le mode non organisé peut être utilisé lorsque la rapidité est primordiale ; il est plus rapide que le mode organisé.

IPresentationText représente le texte brut extrait de la présentation. Sa méthode `getSlidesText