Extraction avancée de texte à partir de présentations en .NET

Vue d’ensemble

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

Cet article propose un guide complet sur la façon d’extraire efficacement du texte à partir de différents formats de présentation, y compris PPT, PPTX et ODP, en utilisant Aspose.Slides pour .NET. Vous apprendrez à parcourir systématiquement les éléments d’une présentation afin de récupérer avec précision le contenu texte dont vous avez besoin.

Extraire du texte d’une diapositive

Aspose.Slides pour .NET fournit l’espace de noms Aspose.Slides.Util, qui comprend la classe SlideUtil. Cette classe expose plusieurs méthodes statiques surchargées pour extraire tout le texte d’une présentation ou d’une diapositive. Pour extraire du texte d’une diapositive d’une présentation, utilisez la méthode GetAllTextBoxes. Cette méthode accepte un objet de type ISlide en paramètre. Lorsqu’elle est exécutée, 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.

L’extrait de code suivant extrait tout le texte de la première diapositive de la présentation :

int slideIndex = 0;

// Instanciez la classe Presentation qui représente un fichier de présentation (PPT, PPTX, ODP, etc.).
using Presentation presentation = new Presentation("demo.pptx");

// Get a reference to the slide.
ISlide slide = presentation.Slides[slideIndex];

// Get an array of text frames from the slide.
ITextFrame[] textFrames = Aspose.Slides.Util.SlideUtil.GetAllTextBoxes(slide);

// Loop through the array of the text frames.
for (int i = 0; i < textFrames.Length; i++)
{
    // Parcourir les paragraphes du cadre de texte actuel.
    foreach (IParagraph paragraph in textFrames[i].Paragraphs)
    {
        // Parcourir les portions de texte du paragraphe actuel.
        foreach (IPortion portion in paragraph.Portions)
        {
            // Afficher le texte de la portion de texte actuelle.
            Console.WriteLine(portion.Text);

            // Afficher la hauteur de police du texte.
            Console.WriteLine(portion.PortionFormat.FontHeight);

            // Afficher le nom de police du texte.
            if (portion.PortionFormat.LatinFont != null)
                Console.WriteLine(portion.PortionFormat.LatinFont.FontName);
        }
    }
}

Extraire du 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 Presentation représentant une présentation PowerPoint ou OpenDocument à partir de laquelle le texte sera extrait.
  2. Ensuite, 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.

// Instancier la classe Presentation qui représente un fichier de présentation (PPT, PPTX, ODP, etc.).
using Presentation presentation = new Presentation("demo.pptx");

// Get an array of text frames from all slides in the presentation.
ITextFrame[] textFrames = Aspose.Slides.Util.SlideUtil.GetAllTextFrames(presentation, true);

// Loop through the array of the text frames.
for (int i = 0; i < textFrames.Length; i++)
{
    // Parcourir les paragraphes du cadre de texte actuel.
    foreach (IParagraph paragraph in textFrames[i].Paragraphs)
    {
        // Parcourir les portions de texte du paragraphe actuel.
        foreach (IPortion portion in paragraph.Portions)
        {
            // Afficher le texte de la portion de texte actuelle.
            Console.WriteLine(portion.Text);

            // Afficher la hauteur de police du texte.
            Console.WriteLine(portion.PortionFormat.FontHeight);

            // Afficher le nom de police du texte.
            if (portion.PortionFormat.LatinFont != null)
                Console.WriteLine(portion.PortionFormat.LatinFont.FontName);
        }
    }
}

Extraction de texte catégorisée et rapide

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

IPresentationText GetPresentationText(string file, TextExtractionArrangingMode mode);
IPresentationText GetPresentationText(Stream stream, TextExtractionArrangingMode mode);
IPresentationText GetPresentationText(Stream stream, TextExtractionArrangingMode mode, ILoadOptions options);

L’argument d’énumération TextExtractionArrangingMode indique le mode d’organisation du résultat d’extraction de texte et peut être défini sur 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 vitesse est critique ; il est plus rapide que le mode organisé.

IPresentationText représente le texte brut extrait de la présentation. Il contient la propriété SlidesText de l’espace de noms Aspose.Slides.Util, qui renvoie un tableau d’objets de type ISlideText. Chaque objet représente le texte de la diapositive correspondante. L’objet de type ISlideText possède les propriétés suivantes :

  • Text - Le texte contenu dans les formes de la diapositive.
  • MasterText - Le texte contenu dans les formes de la diapositive maître associée à cette diapositive.
  • LayoutText - Le texte contenu dans les formes de la diapositive de mise en page associée à cette diapositive.
  • NotesText - Le texte contenu dans les formes de la diapositive de notes associée à cette diapositive.
  • CommentsText - Le texte des commentaires associés à cette diapositive.
IPresentationText text = new PresentationFactory().GetPresentationText("presentation.ppt", TextExtractionArrangingMode.Unarranged);
Console.WriteLine(text.SlidesText[0].Text);
Console.WriteLine(text.SlidesText[0].LayoutText);
Console.WriteLine(text.SlidesText[0].MasterText);
Console.WriteLine(text.SlidesText[0].NotesText);
Console.WriteLine(text.SlidesText[0].CommentsText);

FAQ

Quelle est la rapidité d’Aspose.Slides lors du traitement de grandes présentations pendant l’extraction de texte ?

Aspose.Slides est optimisé pour des performances élevées et traite efficacement même de très grandes présentations, ce qui le rend adapté aux scénarios de traitement en temps réel ou en lot.

Aspose.Slides peut‑il extraire du texte des tableaux et des graphiques dans les présentations ?

Oui, Aspose.Slides prend entièrement en charge l’extraction de texte des tableaux, des graphiques et d’autres éléments de diapositive complexes, vous permettant d’accéder et d’analyser facilement tout le contenu textuel.

Ai‑je besoin d’une licence spéciale Aspose.Slides pour extraire du texte des présentations ?

Vous pouvez extraire du texte avec la version d’essai gratuite d’Aspose.Slides, bien qu’elle comporte certaines limites, comme le traitement d’un nombre limité de diapositives. Pour une utilisation illimitée et pour gérer des présentations plus volumineuses, l’achat d’une licence complète est recommandé.

Gérer les exposants et indices dans les présentations en .NET Automatiser la localisation des présentations en .NET