Fejlett szövegkinyerés prezentációkból Java-ban

Áttekintés

A prezentációkból szöveg kinyerése gyakori, ugyanakkor elengedhetetlen feladat a diák tartalmával dolgozó fejlesztők számára. Legyen szó Microsoft PowerPoint fájlokról PPT vagy PPTX formátumban, vagy OpenDocument prezentációkról (ODP), a szöveges adatok elérése és kinyerése kritikus lehet elemzés, automatizálás, indexelés vagy tartalom-migráció céljából.

Ez a cikk átfogó útmutatót nyújt arról, hogyan lehet hatékonyan kinyerni a szöveget különböző prezentációs formátumokból, beleértve a PPT, PPTX és ODP formátumokat, az Aspose.Slides for Java használatával. Megtanulod, hogyan lehet rendszerezetten végigjárni a prezentáció elemeit a szükséges szövegtartalom pontos visszanyerése érdekében.

Dia szövegének kinyerése

Az Aspose.Slides for Java a SlideUtil osztályt biztosítja. Ez az osztály több túlterhelt statikus metódust kínál a teljes szöveg kinyerésére egy prezentációból vagy diából. Egy diáról történő szövegkinyeréshez használd a SlideUtil.getAllTextBoxes metódust. Ez a metódus egy IBaseSlide típusú objektumot vár paraméterként. A végrehajtás során a metódus végigellenőrzi a teljes diát, és egy ITextFrame típusú objektumok tömbjét adja vissza, megőrizve minden szövegformázást.

Az alábbi kódrészlet kinyeri a prezentáció első diájának teljes szövegét:

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();
}

Szöveg kinyerése a bemutatóból

A teljes prezentáció szövegének beolvasásához használd a SlideUtil.getAllTextFrames statikus metódust, amely a SlideUtil osztályban érhető el. Két paramétert fogad:

  1. Először egy IPresentation objektumot, amely egy PowerPoint vagy OpenDocument prezentációt képvisel, amelyből a szöveget ki szeretnénk nyerni.
  2. Másodszor egy boolean értéket, amely azt jelzi, hogy a mesterdíák is bele legyenek-e vonva a szöveg beolvasásakor.

A metódus egy ITextFrame típusú objektumok tömbjét adja vissza, beleértve a szövegformázási információkat is. Az alábbi kód beolvassa a szöveget és a formázási részleteket egy prezentációból, beleértve a mesterdíákat is.

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();
}

Kategorizált és gyors szövegkinyerés

A PresentationFactory osztály szintén nyújt módszereket a prezentációk teljes szövegének kinyerésére:

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

A TextExtractionArrangingMode enum argumentum határozza meg a szövegkinyerés eredményének rendezési módját, és a következő értékekre állítható:

  • Unarranged – A nyers szöveg a dia pozícióját figyelembe véve, rendezés nélkül.
  • Arranged – A szöveg ugyanabban a sorrendben van, mint a dián.

A rendezés nélküli mód akkor használható, amikor a sebesség kritikus; gyorsabb, mint a rendezett mód.

Az IPresentationText a prezentációból kinyert nyers szöveget képviseli. A getSlidesText metódusa egy ISlideText típusú objektumok tömbjét adja vissza. Minden objektum a megfelelő dia szövegét reprezentálja. Az ISlideText típusú objektumnak a következő metódusai vannak:

  • getText – A dia alakzatai közötti szöveg.
  • getMasterText – A mesterdia alakzataihoz tartozó szöveg.
  • getLayoutText – A layoutdia alakzataihoz tartozó szöveg.
  • getNotesText – A jegyzetdia alakzataihoz tartozó szöveg.
  • getCommentsText – A megjegyzésekhez tartozó szöveg.
String presentationPath = "presentation.ppt";
int arrangingMode = TextExtractionArrangingMode.Unarranged;
IPresentationText presentationText = PresentationFactory.getInstance().getPresentationText(presentationPath, arrangingMode);
ISlideText firstSlideText = presentationText.getSlidesText()[0];

System.out.println(firstSlideText.getText());
System.out.println(firstSlideText.getLayoutText());
System.out.println(firstSlideText.getMasterText());
System.out.println(firstSlideText.getNotesText());
System.out.println(firstSlideText.getCommentsText());

GYIK

Milyen gyorsan dolgozza fel az Aspose.Slides a nagy bemutatókat a szövegkinyerés során?

Az Aspose.Slides magas teljesítményre van optimalizálva, és még a nagy bemutatókat is képes feldolgozni, így alkalmas valós idejű vagy tömeges feldolgozási forgatókönyvekre.

Képes az Aspose.Slides szöveget kinyerni a táblázatokból és diagrammokból a bemutatókban?

Igen. Az Aspose.Slides képes szöveget kinyerni sok dián szereplő elemből, beleértve a táblázatokat és a diagramokhoz kapcsolódó objektumokat, így hozzáférhet és elemezheti a gyakori prezentációs struktúrák szöveges tartalmát.

Szükségem van speciális Aspose.Slides licencre a bemutatók szövegének kinyeréséhez?

A szöveget a Aspose.Slides ingyenes próbaverziójával is ki lehet nyerni, bár ez bizonyos korlátozásokkal jár, például csak korlátozott számú dia feldolgozásával. Korlátlan használathoz és nagyobb prezentációk kezeléséhez a teljes licenc megvásárlása ajánlott.

Felső- és alsóindex kezelése a prezentációkban Java használatával Automatizálja a prezentáció lokalizálását Java-ban