Estrazione avanzata di testo dalle presentazioni in Java

Panoramica

Estrazione del testo dalle presentazioni è un compito comune ma essenziale per gli sviluppatori che lavorano con i contenuti delle diapositive. Che tu stia gestendo file Microsoft PowerPoint in formato PPT o PPTX, o presentazioni OpenDocument (ODP), accedere e recuperare i dati testuali può essere fondamentale per analisi, automazione, indicizzazione o migrazione di contenuti.

Questo articolo fornisce una guida completa su come estrarre efficacemente il testo da vari formati di presentazione, inclusi PPT, PPTX e ODP, utilizzando Aspose.Slides for Java. Imparerai come iterare sistematicamente gli elementi della presentazione per recuperare con precisione il contenuto testuale di cui hai bisogno.

Estrarre testo da una diapositiva

Aspose.Slides for Java fornisce la classe SlideUtil. Questa classe espone diversi metodi statici sovraccaricati per estrarre tutto il testo da una presentazione o da una diapositiva. Per estrarre il testo da una diapositiva in una presentazione, utilizza il metodo SlideUtil.getAllTextBoxes. Questo metodo accetta come parametro un oggetto di tipo IBaseSlide. Quando viene eseguito, il metodo esamina l’intera diapositiva alla ricerca di testo e restituisce un array di oggetti di tipo ITextFrame, preservando qualsiasi formattazione del testo.

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();
}

Estrarre testo da una presentazione

Per esaminare il testo dell’intera presentazione, utilizza il metodo statico SlideUtil.getAllTextFrames esposto dalla classe SlideUtil. Accetta due parametri:

1. Primo, un oggetto IPresentation che rappresenta una presentazione PowerPoint o OpenDocument da cui verrà estratto il testo.
2. Secondo, un valore boolean che indica se le diapositive master devono essere incluse durante la scansione del testo della presentazione.

Il metodo restituisce un array di oggetti di tipo ITextFrame, includendo le informazioni di formattazione del testo. Il codice sottostante esamina il testo e i dettagli della formattazione da una presentazione, includendo le diapositive master.

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();
}

Estrazione testuale categorizzata e rapida

La classe PresentationFactory fornisce anche metodi per estrarre tutto il testo dalle presentazioni:

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

Il parametro enum TextExtractionArrangingMode indica la modalità di organizzazione del risultato dell’estrazione del testo e può essere impostato sui seguenti valori:

• Unarranged - Il testo grezzo senza considerare la sua posizione sulla diapositiva.
• Arranged - Il testo è organizzato nello stesso ordine della diapositiva.

La modalità Unarranged può essere utilizzata quando la velocità è fondamentale; è più veloce della modalità Arranged.

La IPresentationText rappresenta il testo grezzo estratto dalla presentazione. Il suo metodo getSlidesText restituisce un array di oggetti di tipo ISlideText. Ogni oggetto rappresenta il testo sulla diapositiva corrispondente. L’oggetto di tipo ISlideText dispone dei seguenti metodi:

• getText - Il testo all’interno delle forme della diapositiva.
• getMasterText - Il testo all’interno delle forme della diapositiva master associate a questa diapositiva.
• getLayoutText - Il testo all’interno delle forme della diapositiva layout associate a questa diapositiva.
• getNotesText - Il testo all’interno delle forme della diapositiva note associate a questa diapositiva.
• getCommentsText - Il testo all’interno dei commenti associati a questa diapositiva.

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());

FAQ

Quanto velocemente Aspose.Slides elabora grandi presentazioni durante l’estrazione del testo?

Aspose.Slides è ottimizzato per alte prestazioni e può elaborare anche grandi presentazioni, rendendolo adatto a scenari di elaborazione in tempo reale o su larga scala.

Aspose.Slides può estrarre testo da tabelle e grafici all’interno delle presentazioni?

Sì. Aspose.Slides può estrarre testo da molti elementi della diapositiva, incluse tabelle e oggetti correlati a grafici, così da poter accedere e analizzare il contenuto testuale nelle strutture di presentazione comuni.

È necessaria una licenza speciale di Aspose.Slides per estrarre testo dalle presentazioni?

È possibile estrarre testo utilizzando la versione di prova gratuita di Aspose.Slides, sebbene presenti alcune limitazioni, come l’elaborazione di un numero limitato di diapositive. Per un uso illimitato e per gestire presentazioni più grandi, si consiglia l’acquisto di una licenza completa.