Android でのプレゼンテーションからの高度なテキスト抽出

概要

プレゼンテーションからテキストを抽出することは、スライドコンテンツを扱う開発者にとって一般的でありながら重要なタスクです。Microsoft PowerPoint の PPT または PPTX 形式、あるいは OpenDocument プレゼンテーション（ODP）を扱う場合でも、テキストデータへのアクセスと取得は、分析、自動化、インデックス作成、コンテンツ移行などの目的で重要になることがあります。

本記事では、Aspose.Slides for Android via Java を使用して、PPT、PPTX、ODP といったさまざまなプレゼンテーション形式からテキストを効率的に抽出する方法を包括的に解説します。プレゼンテーション要素を体系的に走査し、必要なテキストコンテンツを正確に取得する手順を学びます。

スライドからテキストを抽出する

Aspose.Slides for Android via Java は、SlideUtil クラスを提供します。このクラスは、プレゼンテーションまたはスライド全体からテキストを抽出するための複数のオーバーロードされた静的メソッドを公開しています。プレゼンテーション内のスライドからテキストを抽出するには、getAllTextBoxes メソッドを使用します。このメソッドは、IBaseSlide 型のオブジェクトをパラメーターとして受け取ります。実行すると、メソッドはスライド全体を走査してテキストを検索し、ITextFrame 型のオブジェクト配列を返し、テキストの書式情報を保持します。

以下のコードスニペットは、プレゼンテーションの最初のスライドからすべてのテキストを抽出します。

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();
}

プレゼンテーション全体からテキストを抽出する

プレゼンテーション全体のテキストを走査するには、SlideUtil クラスが提供する getAllTextFrames 静的メソッドを使用します。このメソッドは 2 つのパラメーターを受け取ります。

最初のパラメーターは、テキストを抽出する対象となる PowerPoint または OpenDocument プレゼンテーションを表す IPresentation オブジェクトです。
2 番目のパラメーターは、プレゼンテーションのマスタースライドも走査対象に含めるかどうかを示す boolean 値です。

このメソッドは、ITextFrame 型のオブジェクト配列を返し、テキストの書式情報も含みます。以下のコードは、プレゼンテーション（マスタースライドを含む）からテキストと書式情報を走査します。

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();
}

カテゴリ別・高速テキスト抽出

PresentationFactory クラスも、プレゼンテーションからすべてのテキストを抽出するメソッドを提供します。

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

TextExtractionArrangingMode 列挙体の引数は、テキスト抽出結果の整理方法を示し、次の値に設定できます。

Unarranged - スライド上の位置を考慮せずに取得した生テキスト。
Arranged - スライド上の順序と同じ順序でテキストが配置されたもの。

速度が重要な場合は、Unarranged モードを使用すると Arranged モードよりも高速に処理できます。

IPresentationText は、プレゼンテーションから抽出された生テキストを表します。その getSlidesText メソッドは、ISlideText 型のオブジェクト配列を返します。各オブジェクトは対応するスライドのテキストを表します。ISlideText 型のオブジェクトには次のメソッドがあります。

getText - スライド上のシェイプに含まれるテキスト。
getMasterText - 当該スライドに関連付けられたマスタースライドのシェイプに含まれるテキスト。
getLayoutText - 当該スライドに関連付けられたレイアウトスライドのシェイプに含まれるテキスト。
getNotesText - 当該スライドのノートスライドのシェイプに含まれるテキスト。
getCommentsText - 当該スライドに付随するコメントに含まれるテキスト。

String presentationPath = "presentation.pptx";
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

Aspose.Slides は大規模なプレゼンテーションをテキスト抽出時にどれくらい高速に処理できますか？

Aspose.Slides は高パフォーマンスに最適化されており、大規模なプレゼンテーションでもリアルタイムやバルク処理シナリオに適した速度で処理できます。

Aspose.Slides はプレゼンテーション内の表やグラフからテキストを抽出できますか？

はい。Aspose.Slides はテーブルやチャート関連オブジェクトを含む多数のスライド要素からテキストを抽出できるため、一般的なプレゼンテーション

Android のプレゼンテーションで上付き文字と下付き文字を管理する Android でプレゼンテーションローカリゼーションを自動化