Aspose.Slides を使用した PPT、PPTX、ODP からのテキスト抽出方法

はじめに

Aspose.Slides は 強力でハイレベルな API を提供し、PPT、PPTX、ODP を含むプレゼンテーションファイルからテキストを抽出できます。PPTX のみをサポートし、複雑な XML パースが必要な Open XML SDK とは異なり、Aspose.Slides はテキスト抽出をシンプルにし、抽出したコンテンツをワークフローに統合することに集中できるようにします。

PresentationFactory.Instance.GetPresentationText を使った高速テキスト抽出

プレゼンテーションからテキストを抽出するには、Aspose.Slides API が静的メソッド PresentationFactory.Instance.GetPresentationText を提供しています。このメソッドにはプレゼンテーションファイルまたはデータストリームで操作するための複数のオーバーロードがあり、スライド、マスタースライド、レイアウト、ノート、コメント からテキストを取得します。抽出されたテキストは IPresentationText インターフェイスを通じてアクセスできます。

string filePath = "presentation.pptx";
TextExtractionArrangingMode mode = TextExtractionArrangingMode.Unarranged;

IPresentationText presentationText = PresentationFactory.Instance.GetPresentationText(filePath, mode);
ISlideText[] slideTexts = presentationText.SlidesText;

foreach (var slideText in slideTexts)
{
    Console.WriteLine("Slide Text: " + slideText.Text);
    Console.WriteLine("Notes Text: " + slideText.NotesText);
    Console.WriteLine("Comments Text: " + slideText.CommentsText);
}

GetPresentationText の動作モード

PresentationFactory の GetPresentationText メソッドは、出力テキストの配置方法を制御する TextExtractionArrangingMode パラメータを使用して、テキスト抽出を細かく調整できます。

利用可能なモード

TextExtractionArrangingMode.Unarranged – 元のスライドレイアウトを無視し、自由形式でテキストを抽出します。
TextExtractionArrangingMode.Arranged – 各スライド上の配置順にテキストの順序を保持します。

TextExtractionArrangingMode mode = TextExtractionArrangingMode.Arranged;
IPresentationText presentationText = PresentationFactory.Instance.GetPresentationText("presentation.pptx", mode);
ISlideText[] slideTexts = presentationText.SlidesText;

foreach (var slideText in slideTexts)
{
    Console.WriteLine("Slide Text (preserving order): " + slideText.Text);
}

PresentationFactory メソッドの主な利点

プレゼンテーション全体をロードする必要なし: メモリ使用量を最小化し、処理速度を向上させます。
大容量ファイルに最適化: 大規模なプレゼンテーションでも効率的に処理し、テキストを迅速に抽出します。
ノートとコメントを取得: ユーザーの注釈を含め、コンテンツを網羅的にカバーします。
インデックス作成とコンテンツ分析に最適: 自動処理とデータ強化が必要な企業システムに最適です。
Office 非依存: Microsoft PowerPoint がインストールされていなくても動作し、完全にスタンドアロンなソリューションを提供します。
マルチフォーマット対応: PPT、PPTX、ODP とシームレスに連携します。
柔軟で強力な API: 構造化テキスト抽出のための多彩なメソッドを提供します。
スライド全体を網羅: レイアウト、マスタースライド、標準スライド、背景、スピーカーノート、コメント からテキストを抽出します。
クロスプラットフォーム互換性: Windows、Linux、macOS およびクラウド環境で動作します。
高性能・スケーラビリティ: SaaS アプリケーション や大規模エンタープライズ展開に適しています。

サポートされているオペレーティングシステム

Aspose.Slides はさまざまなオペレーティングシステムで動作します。

Windows（例: Windows 7、8、10、11、Server エディション）
Linux（Ubuntu、Debian、Fedora、CentOS など、さまざまなディストリビューション）
macOS（10.15 Catalina 以降の最新バージョンを含む）

サポートされているプログラミング言語

Aspose.Slides は複数のプラットフォームとプログラミング言語と統合できます。

C# – 主に Aspose.Slides for .NET でサポートされています。
Java – Aspose.Slides for Java でフル機能の API が利用可能です。
C++ – パフォーマンスが重要な C++ アプリケーションで Aspose.Slides を活用できます。
Python via .NET – .NET 相互運用性を通じて Aspose.Slides の機能を組み込めます。
その他の .NET 互換言語 – .NET がサポートする環境であれば、ライブラリを利用できます。

結論

Aspose.Slides は PowerPoint および OpenDocument プレゼンテーション向けに 包括的なテキスト抽出 を提供し、多様なファイル形式、直感的なテキスト構造化、シンプルな実装 をサポートします（Open XML SDK と比較して）。スライドやノートからテンプレートコンテンツまで、Aspose.Slides はプレゼンテーションテキストの抽出と管理のための高効率で機能が豊富なソリューションです。

.NET で Open XML SDK を使用して PPT、PPTX、ODP ファイルからテキストを抽出する方法