Zaawansowane wyodrębnianie tekstu z prezentacji w .NET

Przegląd

Wyodrębnianie tekstu z prezentacji to powszechne, a jednocześnie istotne zadanie dla programistów pracujących z treścią slajdów. Niezależnie od tego, czy masz do czynienia z plikami Microsoft PowerPoint w formacie PPT lub PPTX, czy z prezentacjami OpenDocument (ODP), dostęp i pobieranie danych tekstowych może być kluczowe dla analiz, automatyzacji, indeksowania lub migracji treści.

Ten artykuł zawiera kompleksowy przewodnik, jak efektywnie wyodrębniać tekst z różnych formatów prezentacji, w tym PPT, PPTX i ODP, przy użyciu Aspose.Slides dla .NET. Dowiesz się, jak systematycznie iterować po elementach prezentacji, aby dokładnie pobrać potrzebną treść tekstową.

Wyodrębnianie tekstu ze slajdu

Aspose.Slides dla .NET udostępnia przestrzeń nazw Aspose.Slides.Util, która zawiera klasę SlideUtil. Klasa ta udostępnia kilka przeciążonych metod statycznych do wyodrębniania całego tekstu z prezentacji lub slajdu. Aby wyodrębnić tekst ze slajdu w prezentacji, użyj metody GetAllTextBoxes. Metoda ta przyjmuje jako parametr obiekt typu IBaseSlide. Po wykonaniu metoda przeszukuje cały slajd pod kątem tekstu i zwraca tablicę obiektów typu ITextFrame, zachowując formatowanie tekstu.

Poniższy fragment kodu wyodrębnia cały tekst z pierwszego slajdu prezentacji:

int slideIndex = 0;

using var presentation = new Presentation("demo.pptx");

var slide = presentation.Slides[slideIndex];

var textFrames = Aspose.Slides.Util.SlideUtil.GetAllTextBoxes(slide);

foreach (var textFrame in textFrames)
{
    foreach (var paragraph in textFrame.Paragraphs)
    {
        foreach (var portion in paragraph.Portions)
        {
            var portionText = portion.Text;
            Console.WriteLine(portionText);

            var portionFormat = portion.PortionFormat;
            var fontHeight = portionFormat.FontHeight;
            Console.WriteLine(fontHeight);

            var latinFont = portionFormat.LatinFont;
            if (latinFont != null)
            {
                var fontName = latinFont.FontName;
                Console.WriteLine(fontName);
            }
        }
    }
}

Wyodrębnianie tekstu z prezentacji

Do skanowania tekstu z całej prezentacji użyj statycznej metody GetAllTextFrames udostępnianej przez klasę SlideUtil. Przyjmuje ona dwa parametry:

1. Po pierwsze, obiekt IPresentation reprezentujący prezentację PowerPoint lub OpenDocument, z której zostanie wyodrębniony tekst.
2. Po drugie, wartość typu Boolean określająca, czy slajdy główne (master) mają być uwzględnione podczas skanowania tekstu z prezentacji.

Metoda zwraca tablicę obiektów typu ITextFrame, zawierającą informacje o formatowaniu tekstu. Poniższy kod skanuje tekst i szczegóły formatowania z prezentacji, w tym slajdy główne.

using var presentation = new Presentation("demo.pptx");

var includeMasterSlides = true;
var textFrames = Aspose.Slides.Util.SlideUtil.GetAllTextFrames(presentation, includeMasterSlides);

foreach (var textFrame in textFrames)
{
    foreach (var paragraph in textFrame.Paragraphs)
    {
        foreach (var portion in paragraph.Portions)
        {
            var portionText = portion.Text;
            Console.WriteLine(portionText);

            var portionFormat = portion.PortionFormat;
            var fontHeight = portionFormat.FontHeight;
            Console.WriteLine(fontHeight);

            var latinFont = portionFormat.LatinFont;
            if (latinFont != null)
            {
                var fontName = latinFont.FontName;
                Console.WriteLine(fontName);
            }
        }
    }
}

Kategoryzowane i szybkie wyodrębnianie tekstu

Klasa PresentationFactory również udostępnia metody do wyodrębniania całego tekstu z prezentacji:

IPresentationText GetPresentationText(string file, TextExtractionArrangingMode mode);
IPresentationText GetPresentationText(Stream stream, TextExtractionArrangingMode mode);
IPresentationText GetPresentationText(Stream stream, TextExtractionArrangingMode mode, ILoadOptions options);

Argument wyliczenia TextExtractionArrangingMode określa tryb organizacji wyniku wyodrębniania tekstu i może przyjmować następujące wartości:

• Unarranged – surowy tekst bez uwzględnienia jego położenia na slajdzie.
• Arranged – tekst uporządkowany w takiej samej kolejności, jak na slajdzie.

Tryb Unarranged można używać, gdy kluczowa jest szybkość; jest szybszy niż tryb Arranged.

IPresentationText reprezentuje surowy tekst wyodrębniony z prezentacji. Jego właściwość SlidesText zwraca tablicę obiektów typu ISlideText. Każdy obiekt reprezentuje tekst na odpowiadającym mu slajdzie. Obiekt typu ISlideText posiada następujące właściwości:

• Text – tekst wewnątrz kształtów slajdu.
• MasterText – tekst wewnątrz kształtów slajdu głównego powiązanego z tym slajdem.
• LayoutText – tekst wewnątrz kształtów slajdu układu powiązanego z tym slajdem.
• NotesText – tekst wewnątrz kształtów slajdu notatek powiązanego z tym slajdem.
• CommentsText – tekst w komentarzach powiązanych z tym slajdem.

var presentationPath = "presentation.ppt";
var arrangingMode = TextExtractionArrangingMode.Unarranged;
var presentationText = PresentationFactory.Instance.GetPresentationText(presentationPath, arrangingMode);
var firstSlideText = presentationText.SlidesText[0];

Console.WriteLine(firstSlideText.Text);
Console.WriteLine(firstSlideText.LayoutText);
Console.WriteLine(firstSlideText.MasterText);
Console.WriteLine(firstSlideText.NotesText);
Console.WriteLine(firstSlideText.CommentsText);

FAQ

Jak szybko Aspose.Slides przetwarza duże prezentacje podczas wyodrębniania tekstu?

Aspose.Slides jest zoptymalizowany pod kątem wysokiej wydajności i może przetwarzać nawet duże prezentacje, co czyni go odpowiednim do scenariuszy przetwarzania w czasie rzeczywistym lub hurtowego.

Czy Aspose.Slides może wyodrębniać tekst z tabel i wykresów w prezentacjach?

Tak. Aspose.Slides może wyodrębniać tekst z wielu elementów slajdu, w tym z tabel i obiektów związanych z wykresami, dzięki czemu możesz uzyskać dostęp do treści tekstowych i analizować je w typowych strukturach prezentacji.

Czy potrzebuję specjalnej licencji Aspose.Slides, aby wyodrębniać tekst z prezentacji?

Możesz wyodrębniać tekst przy użyciu bezpłatnej wersji próbnej Aspose.Slides, choć będzie ona miała pewne ograniczenia, takie jak przetwarzanie jedynie ograniczonej liczby slajdów. Dla nieograniczonego użytku i obsługi większych prezentacji zaleca się zakup pełnej licencji.