Extraction avancée de texte à partir de présentations en PHP

Vue d’ensemble

L’extraction de 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), accéder et récupérer les données textuelles peut être crucial pour l’analyse, l’automatisation, l’indexation ou la migration de contenu.

Cet article fournit un guide complet sur la façon d’extraire efficacement du texte de divers formats de présentation, y compris PPT, PPTX et ODP, en utilisant Aspose.Slides for PHP via Java. Vous apprendrez à itérer systématiquement à travers les éléments de la présentation afin de récupérer avec précision le contenu texte dont vous avez besoin.

Extraire du texte d’une diapositive

Aspose.Slides for PHP via Java fournit la classe SlideUtil. Cette classe expose plusieurs méthodes statiques surchargées pour 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 en paramètre un objet de type BaseSlide. Lorsqu’elle est exécutée, la méthode parcourt l’intégralité de la diapositive à la recherche de texte et renvoie un tableau d’objets de type TextFrame, en conservant tout formatage du texte.

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

$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();
}

Extraire du texte d’une présentation

Pour parcourir 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. Deuxièmement, une valeur boolean indiquant si les diapositives maîtres doivent être incluses lors du balayage du texte de la présentation.

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

$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();
}

Extraction de texte catégorisée et rapide

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

{{58176f3a-eab8-4e3d-b70d-a1390d