Extraire le texte d'une présentation

Extraire le texte de la diapositive

Aspose.Slides pour Java fournit la classe SlideUtil. Cette classe expose un certain nombre de méthodes statiques surchargées pour extraire l’ensemble du texte d’une présentation ou d’une diapositive. Pour extraire le texte d’une diapositive dans une présentation PPTX, utilisez la méthode statique surchargée getAllTextBoxes exposée par la classe SlideUtil. Cette méthode accepte l’objet Slide comme paramètre. Lors de l’exécution, la méthode Slide scanne tout le texte de la diapositive passée en paramètre et retourne un tableau d’objets TextFrame. Cela signifie que tout formatage de texte associé au texte est disponible. Le morceau de code suivant extrait tout le texte de la première diapositive de la présentation :

//Instancier la classe Presentation qui représente un fichier PPTX
Presentation pres = new Presentation("demo.pptx");
try {
    for (ISlide slide : pres.getSlides()) 
    {
        //Obtenir un tableau d'objets ITextFrame à partir de toutes les diapositives dans le PPTX
        ITextFrame[] textFramesPPTX = SlideUtil.getAllTextBoxes(slide);

        //Parcourir le tableau de TextFrames
        for (int i = 0; i < textFramesPPTX.length; i++) {
            //Parcourir les paragraphes dans l'ITextFrame actuel
            for (IParagraph para : textFramesPPTX[i].getParagraphs()) {
                //Parcourir les portions dans l'IParagraph actuel
                for (IPortion port : para.getPortions()) {
                    //Afficher le texte dans la portion actuelle
                    System.out.println(port.getText());

                    //Afficher la hauteur de la police du texte
                    System.out.println(port.getPortionFormat().getFontHeight());

                    //Afficher le nom de la police du texte
                    if (port.getPortionFormat().getLatinFont() != null)
                        System.out.println(port.getPortionFormat().getLatinFont().getFontName());
                }
            }
        }
    }
} finally {
    pres.dispose();
}

Extraire le texte de la présentation

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

  1. D’abord, un objet Presentation qui représente la présentation dont le texte est extrait.
  2. Deuxièmement, une valeur booléenne déterminant si la diapositive maître doit être incluse lors du scan du texte de la présentation. La méthode retourne un tableau d’objets TextFrame, complet avec les informations de formatage du texte. Le code ci-dessous scanne le texte et les informations de formatage d’une présentation, y compris les diapositives maîtres.
//Instancier la classe Presentation qui représente un fichier PPTX
Presentation pres = new Presentation("demo.pptx");
try {
    //Obtenir un tableau d'objets ITextFrame à partir de toutes les diapositives dans le PPTX
    ITextFrame[] textFramesPPTX = SlideUtil.getAllTextFrames(pres, true);

    //Parcourir le tableau de TextFrames
    for (int i = 0; i < textFramesPPTX.length; i++) 
    {
        //Parcourir les paragraphes dans l'ITextFrame actuel
        for (IParagraph para : textFramesPPTX[i].getParagraphs())
        {
            //Parcourir les portions dans l'IParagraph actuel
            for (IPortion port : para.getPortions())
            {
                //Afficher le texte dans la portion actuelle
                System.out.println(port.getText());

                //Afficher la hauteur de la police du texte
                System.out.println(port.getPortionFormat().getFontHeight());

                //Afficher le nom de la police du texte
                if (port.getPortionFormat().getLatinFont() != null)
                    System.out.println(port.getPortionFormat().getLatinFont().getFontName());
            }
        }
    }
} finally {
    pres.dispose();
}

Extraction de texte catégorisée et rapide

La nouvelle méthode statique getPresentationText a été ajoutée à la classe Presentation. Il y a trois surcharges pour cette méthode :

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

L’argument de l’énumération TextExtractionArrangingMode indique le mode d’organisation du résultat textuel et peut être défini sur les valeurs suivantes :

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

Le mode Unarranged peut être utilisé lorsque la vitesse est cruciale, il est plus rapide que le mode Arranged.

IPresentationText représente le texte brut extrait de la présentation. Il contient une méthode getSlidesText qui retourne un tableau d’objets ISlideText. Chaque objet représente le texte sur la diapositive correspondante. L’objet ISlideText a les méthodes suivantes :

Il y a également une classe SlideText qui implémente l’interface ISlideText.

La nouvelle API peut être utilisée comme ceci :

IPresentationText text1 = PresentationFactory.getInstance().getPresentationText("presentation.pptx", TextExtractionArrangingMode.Unarranged);
System.out.println(text1.getSlidesText()[0].getText());
System.out.println(text1.getSlidesText()[0].getLayoutText());
System.out.println(text1.getSlidesText()[0].getMasterText());
System.out.println(text1.getSlidesText()[0].getNotesText());
Superscript et Subscript Localisation de Présentation