Extração Avançada de Texto de Apresentações em .NET

Visão geral

Extrair texto de apresentações é uma tarefa comum, porém essencial, para desenvolvedores que trabalham com conteúdo de slides. Seja lidando com arquivos Microsoft PowerPoint nos formatos PPT ou PPTX, ou apresentações OpenDocument (ODP), acessar e recuperar dados textuais pode ser crítico para análises, automação, indexação ou migração de conteúdo.

Este artigo oferece um guia abrangente sobre como extrair texto de forma eficiente de vários formatos de apresentação, incluindo PPT, PPTX e ODP, usando Aspose.Slides para .NET. Você aprenderá a percorrer sistematicamente os elementos da apresentação para recuperar com precisão o conteúdo de texto que precisa.

Extrair Texto de um Slide

Aspose.Slides para .NET fornece o namespace Aspose.Slides.Util, que inclui a classe SlideUtil. Esta classe expõe vários métodos estáticos sobrecarregados para extrair todo o texto de uma apresentação ou slide. Para extrair texto de um slide em uma apresentação, use o método GetAllTextBoxes. Este método aceita um objeto do tipo IBaseSlide como parâmetro. Quando executado, o método varre todo o slide em busca de texto e retorna um array de objetos do tipo ITextFrame, preservando qualquer formatação de texto.

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);
            }
        }
    }
}

Extrair Texto de uma Apresentação

Para varrer texto de toda a apresentação, use o método estático GetAllTextFrames exposto pela classe SlideUtil. Ele aceita dois parâmetros:

1. Primeiro, um objeto IPresentation que representa uma apresentação PowerPoint ou OpenDocument da qual o texto será extraído.
2. Segundo, um valor Boolean indicando se os slides mestres devem ser incluídos ao varrer texto da apresentação.

O método retorna um array de objetos do tipo ITextFrame, incluindo informações de formatação de texto. O código abaixo varre o texto e os detalhes de formatação de uma apresentação, incluindo os slides mestres.

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);
            }
        }
    }
}

Extração de Texto Categorizada e Rápida

A classe PresentationFactory também fornece métodos para extrair todo o texto de apresentações:

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

O argumento enum TextExtractionArrangingMode indica o modo de organização do resultado da extração de texto e pode ser definido com os seguintes valores:

• Unarranged - O texto bruto sem considerar sua posição no slide.
• Arranged - O texto é organizado na mesma ordem que no slide.

O modo Unarranged pode ser usado quando a velocidade é crítica; ele é mais rápido que o modo Arranged.

IPresentationText representa o texto bruto extraído da apresentação. Sua propriedade SlidesText devolve um array de objetos do tipo ISlideText. Cada objeto representa o texto do slide correspondente. O objeto do tipo ISlideText possui as seguintes propriedades:

• Text - O texto dentro das formas do slide.
• MasterText - O texto dentro das formas do slide mestre associado a este slide.
• LayoutText - O texto dentro das formas do slide de layout associado a este slide.
• NotesText - O texto dentro das formas do slide de notas associado a este slide.
• CommentsText - O texto dentro dos comentários associados a este slide.

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

Quão rápido o Aspose.Slides processa apresentações grandes durante a extração de texto?

O Aspose.Slides está otimizado para alto desempenho e pode processar até mesmo grandes apresentações, tornando-o adequado para cenários de processamento em tempo real ou em massa.

O Aspose.Slides pode extrair texto de tabelas e gráficos dentro de apresentações?

Sim. O Aspose.Slides pode extrair texto de vários elementos de slide, incluindo tabelas e objetos relacionados a gráficos, permitindo que você acesse e analise o conteúdo textual em estruturas de apresentação comuns.

Preciso de uma licença especial do Aspose.Slides para extrair texto de apresentações?

Você pode extrair texto usando a versão de avaliação gratuita do Aspose.Slides, embora ela possua certas limitações, como processar apenas um número limitado de slides. Para uso irrestrito e para lidar com apresentações maiores, recomenda‑se a compra de uma licença completa.