Ekstraksi Teks Tingkat Lanjut dari Presentasi di Python via Java

Tentang apa halaman ini

Dengan cepat mengekstrak teks dari presentasi PowerPoint dan OpenDocument menggunakan Aspose.Slides untuk Python via Java. Ikuti panduan sederhana langkah demi langkah kami untuk menghemat waktu.

Gambaran Umum

Men­ek­strak te­ks da­ri pre­sen­ta­si mer­eku­pak tugas yan­g um­um nam­un per­ta­ngan bag­i peng­embang yang ber­ker­ja den­gan kon­ten slide. Ba­ik an­da men­a­ng­ga­li file Microsoft PowerPoint da­lam format PPT atau PPTX, ma­tu pre­sen­ta­si OpenDocument (ODP), meng­a­kses dan men­ga­mbil da­ta teks da­pat men­jan­di krusial un­tuk an­a­lis, oto­ma­si, peng­in­de­ksan, a­ta tu­ju­an migrasi kon­ten.

Ar­ti­kel in­i mem­be­ri­ka­n pa­ndan kom­pre­hen­si­f tentang cara men­gek­strak te­ks sec­ara ef­fi­si en da­ri ber­ba­gi format pre­sen­ta­si, ter­ma­suk PPT, PPTX, dan ODP, meng­gu­na​k Aspose.Slides un­tuk Python via Java. An­da a­kan be­la­ju men­ga­ji cara men­elusuri ele­men‑pre­sen­ta­si sec­ara sis­te­ma­ti­k untuk men­gan­tuk kon­te­n teks yan­g an­da butuh­kan da­lam­nya akurat.

Mengekstrak Teks dari Slide

Aspose.Slides untuk Python via Java menyediakan kelas SlideUtil. Kelas ini menyediakan be­ra­pa me­tho­de sta­tik yan­g o­ver­load un­tuk men­gek­strak se­mu­ah teks da­ri se­bu­ah pre­sen­ta­si a­ta slide. Un­tuk men­gek­strak teks da­ri slide da­lam pre­sen­ta­si, guna­kan me­tho­de SlideUtil.getAllTextBoxes. Me­tho­de in­i men­ge­ri obyek be­rti­pe BaseSlide se­ba­gi pa­ra­me­ter. Sa­tai dijalankan, me­tho­de ini men­scan sel­uruh slide un­tuk teks dan men­ge­kembal­ikan ar­ray ob­yek be­rti­pe TextFrame, meme­ri­kah pem­for­ma­si teks apa pun.

Potongan kode berikut mengekstrak semua teks dari slide pertama presentasi:

import jpype
import asposeslides

if not jpype.isJVMStarted():
    jpype.startJVM()

from asposeslides.api import Presentation, SlideUtil

slide_index = 0

presentation = Presentation("demo.pptx")
try:
    slide = presentation.getSlides().get_Item(slide_index)
    text_frames = SlideUtil.getAllTextBoxes(slide)

    for text_frame in text_frames:
        for paragraph in text_frame.getParagraphs():
            for portion in paragraph.getPortions():
                portion_text = portion.getText()
                print(portion_text)

                portion_format = portion.getPortionFormat()
                font_height = portion_format.getFontHeight()
                print(font_height)

                latin_font = portion_format.getLatinFont()
                if latin_font is not None:
                    font_name = latin_font.getFontName()
                    print(font_name)
finally:
    presentation.dispose()

Mengekstrak Teks dari Presentasi

Un­tuk memindai teks da­ri se­mu­ah pre­sen­ta­si, guna­kan me­tho­de sta­tik SlideUtil.getAllTextFrames yan­g disedi­akan o­leh kla­sa SlideUtil. Me­tho­de in­i men­terima dua pa­ra­me­ter:

1. Pert­ama, ob­yek Presentation yan­g me­wakili pre­sen­ta­si PowerPoint a­ta OpenDocument dar­i mana te­ks akan diekstrak.
2. Kedua, na­ila bool yan­g men­unjuk apa slide ma­ster per­lu di­si­mpul pas mem­indai teks da­ri pre­sen­ta­si.

Me­tho­de in­i mengembalikan ar­ray ob­yek be­rti­pe TextFrame, ter­masuk in­for­ma­si pem­for­ma­si teks. Kode di bawah ini memindai teks dan detail pemformatan dari sebuah presentasi, termasuk slide master.

import jpype
import asposeslides

if not jpype.isJVMStarted():
    jpype.startJVM()

from asposeslides.api import Presentation, SlideUtil

presentation = Presentation("demo.pptx")
try:
    include_master_slides = True
    text_frames = SlideUtil.getAllTextFrames(presentation, include_master_slides)

    for text_frame in text_frames:
        for paragraph in text_frame.getParagraphs():
            for portion in paragraph.getPortions():
                portion_text = portion.getText()
                print(portion_text)

                portion_format = portion.getPortionFormat()
                font_height = portion_format.getFontHeight()
                print(font_height)

                latin_font = portion_format.getLatinFont()
                if latin_font is not None:
                    font_name = latin_font.getFontName()
                    print(font_name)
finally:
    presentation.dispose()

Ekstraksi Teks Terkategorisasi dan Cepat

Kla­sa PresentationFactory juga menyediakan me­tho­de un­tuk men­gek­strak se­mu­ah teks da­ri pre­sen­ta­si:

import jpype
import asposeslides

if not jpype.isJVMStarted():
    jpype.startJVM()

from asposeslides.api import LoadOptions, PresentationFactory, TextExtractionArrangingMode
from java.io import FileInputStream

mode = TextExtractionArrangingMode.Unarranged
load_options = LoadOptions()

# Mengambil teks dari sebuah file.
file_text = PresentationFactory.getInstance().getPresentationText("presentation.pptx", mode)

# Mengambil teks dari sebuah aliran.
stream = FileInputStream("presentation.pptx")
try:
    stream_text = PresentationFactory.getInstance().getPresentationText(stream, mode)
finally:
    stream.close()

# Mengambil teks dari sebuah aliran menggunakan opsi pemuatan.
stream_with_options = FileInputStream("presentation.pptx")
try:
    stream_text_with_options = PresentationFactory.getInstance().getPresentationText(stream_with_options, mode, load_options)
finally:
    stream_with_options.close()

Argumen enum TextExtractionArrangingMode men­unjuk mode un­tuk mengatu­r hasil ek­strak teks dan dapat di­at­ur ke nilai ber­ikut:

• Unarranged - Teks mentah tanpa memperhatikan posisinya pada slide.
• Arranged - Teks diatur dalam urutan yang sama dengan pada slide.

Mode unarranged dapat digunakan ketika kecepatan menjadi kritis; mode ini lebih cepat daripada mode arranged.

PresentationText mewakili teks mentah yang diekstrak dari presentasi. Metode getSlidesText mengembalikan array objek bertipe SlideText. Setiap objek mewakili teks pada slide yang bersangkutan. Objek bertipe SlideText memiliki metode berikut:

• getText - Teks dalam bentuk slide.
• getMasterText - Teks dalam bentuk slide master yang terkait dengan slide ini.
• getLayoutText - Teks dalam bentuk slide tata letak yang terkait dengan slide ini.
• getNotesText - Teks dalam bentuk slide catatan yang terkait dengan slide ini.
• getCommentsText - Teks dalam komentar yang terkait dengan slide ini.

import jpype
import asposeslides

if not jpype.isJVMStarted():
    jpype.startJVM()

from asposeslides.api import PresentationFactory, TextExtractionArrangingMode

presentation_path = "presentation.ppt"
arranging_mode = TextExtractionArrangingMode.Unarranged
presentation_text = PresentationFactory.getInstance().getPresentationText(presentation_path, arranging_mode)
first_slide_text = presentation_text.getSlidesText()[0]

print(first_slide_text.getText())
print(first_slide_text.getLayoutText())
print(first_slide_text.getMasterText())
print(first_slide_text.getNotesText())
print(first_slide_text.getCommentsText())

FAQ

Seberapa cepat Aspose.Slides memproses presentasi besar saat ekstraksi teks?

Aspose.Slides dioptimalkan untuk kinerja tinggi dan dapat memproses bahkan presentasi besar, sehingga cocok untuk skenario pemrosesan waktu nyata atau dalam jumlah besar.

Apakah Aspose.Slides dapat mengekstrak teks dari tabel dan grafik dalam presentasi?

Ya. Aspose.Slides dapat mengekstrak teks dari banyak elemen slide, termasuk tabel dan objek terkait grafik, sehingga Anda dapat mengakses dan menganalisis konten teks dalam struktur presentasi yang umum.

Apakah saya memerlukan lisensi khusus Aspose.Slides untuk mengekstrak teks dari presentasi?

Anda dapat mengekstrak teks menggunakan versi percobaan gratis Aspose.Slides, meskipun akan memiliki batasan tertentu, seperti memproses hanya sejumlah slide terbatas. Untuk penggunaan tanpa batas dan menangani presentasi yang lebih besar, disarankan membeli lisensi penuh.