Estrazione avanzata del testo dalle presentazioni in JavaScript

Panoramica

L’estrazione del testo dalle presentazioni è un’operazione 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), l’accesso e il recupero dei dati testuali può essere fondamentale per analisi, automazione, indicizzazione o migrazione dei contenuti.

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

Estrarre testo da una diapositiva

Aspose.Slides per Node.js tramite 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 getAllTextBoxes . Questo metodo accetta un oggetto diapositiva come parametro. Quando viene eseguito, il metodo scansiona l’intera diapositiva alla ricerca di testo e restituisce un array di oggetti TextFrame , preservando qualsiasi formattazione del testo.

La seguente porzione di codice estrae tutto il testo dalla prima diapositiva della presentazione:

const slideIndex = 0;

const presentation = new aspose.slides.Presentation("demo.pptx");
try {
    const slide = presentation.getSlides().get_Item(slideIndex);

    const textFrames = aspose.slides.SlideUtil.getAllTextBoxes(slide);

    for (let textFrameIndex = 0; textFrameIndex < textFrames.length; textFrameIndex++) {
        const textFrame = textFrames[textFrameIndex];

        const paragraphs = textFrame.getParagraphs();
        const paragraphCount = paragraphs.getCount();
        for (let paragraphIndex = 0; paragraphIndex < paragraphCount; paragraphIndex++) {
            const paragraph = paragraphs.get_Item(paragraphIndex);

            const portions = paragraph.getPortions();
            const portionCount = portions.getCount();
            for (let portionIndex = 0; portionIndex < portionCount; portionIndex++) {
                const portion = portions.get_Item(portionIndex);

                const portionText = portion.getText();
                console.log(portionText);

                const portionFormat = portion.getPortionFormat();
                const fontHeight = portionFormat.getFontHeight();
                console.log(fontHeight);

                const latinFont = portionFormat.getLatinFont();
                if (latinFont !== null) {
                    const fontName = latinFont.getFontName();
                    console.log(fontName);
                }
            }
        }
    }
} finally {
    presentation.dispose();
}

Estrarre testo da una presentazione

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

1. In primo luogo, un oggetto Presentation che rappresenta una presentazione PowerPoint o OpenDocument da cui verrà estratto il testo.
2. In secondo luogo, 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 TextFrame , includendo informazioni sulla formattazione del testo. Il codice sottostante scansiona il testo e i dettagli di formattazione da una presentazione, includendo le diapositive master.

const presentation = new aspose.slides.Presentation("demo.pptx");
try {
    const includeMasterSlides = true;
    const textFrames = aspose.slides.SlideUtil.getAllTextFrames(presentation, includeMasterSlides);

    for (let textFrameIndex = 0; textFrameIndex < textFrames.length; textFrameIndex++) {
        const textFrame = textFrames[textFrameIndex];

        const paragraphs = textFrame.getParagraphs();
        const paragraphCount = paragraphs.getCount();
        for (let paragraphIndex = 0; paragraphIndex < paragraphCount; paragraphIndex++) {
            const paragraph = paragraphs.get_Item(paragraphIndex);

            const portions = paragraph.getPortions();
            const portionCount = portions.getCount();
            for (let portionIndex = 0; portionIndex < portionCount; portionIndex++) {
                const portion = portions.get_Item(portionIndex);

                const portionText = portion.getText();
                console.log(portionText);

                const portionFormat = portion.getPortionFormat();
                const fontHeight = portionFormat.getFontHeight();
                console.log(fontHeight);

                const latinFont = portionFormat.getLatinFont();
                if (latinFont !== null) {
                    const fontName = latinFont.getFontName();
                    console.log(fontName);
                }
            }
        }
    }
} finally {
    presentation.dispose();
}

Estrazione testuale categorizzata e veloce

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

PresentationText getPresentationText(String file, int mode);
PresentationText getPresentationText(InputStream stream, int mode);
PresentationText getPresentationText(InputStream stream, int mode, LoadOptions options);

L’argomento enum TextExtractionArrangingMode indica la modalità per organizzare il risultato dell’estrazione del testo e può essere impostato ai seguenti valori:

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

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

PresentationText rappresenta il testo grezzo estratto dalla presentazione. Il suo metodo getSlidesText restituisce un array di oggetti, ciascuno dei quali rappresenta il testo della diapositiva corrispondente. Ogni oggetto testo della diapositiva ha i seguenti metodi:

• Il suo metodo getText restituisce il testo contenuto nelle forme della diapositiva.
• Il suo metodo getMasterText restituisce il testo contenuto nelle forme della diapositiva master associate a questa diapositiva.
• Il suo metodo getLayoutText restituisce il testo contenuto nelle forme della diapositiva layout associate a questa diapositiva.
• Il suo metodo getNotesText restituisce il testo contenuto nelle forme della diapositiva delle note associate a questa diapositiva.
• Il suo metodo getCommentsText restituisce il testo contenuto nei commenti associati a questa diapositiva.

const presentationPath = "presentation.ppt";
const arrangingMode = aspose.slides.TextExtractionArrangingMode.Unarranged;
const presentationText = aspose.slides.PresentationFactory.getInstance().getPresentationText(presentationPath, arrangingMode);
const firstSlideText = presentationText.getSlidesText()[0];

console.log(firstSlideText.getText());
console.log(firstSlideText.getLayoutText());
console.log(firstSlideText.getMasterText());
console.log(firstSlideText.getNotesText());
console.log(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 presentazioni di grandi dimensioni, rendendolo adatto a scenari di elaborazione in tempo reale o in batch.

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 puoi accedere e analizzare il contenuto testuale nelle strutture di presentazione più comuni.

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

Puoi 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 utilizzo senza restrizioni e per gestire presentazioni più grandi, è consigliato acquistare una licenza completa.