Продвинутое извлечение текста из презентаций на Android

Не редкость, когда разработчикам необходимо извлечь текст из презентации. Для этого нужно извлечь текст из всех фигур на всех слайдах презентации. В этой статье объясняется, как извлекать текст из презентаций Microsoft PowerPoint PPTX с помощью Aspose.Slides.

Извлечение текста со слайда

Aspose.Slides for Android via Java предоставляет класс SlideUtil. Этот класс раскрывает ряд перегруженных статических методов для извлечения полного текста из презентации или слайда. Чтобы извлечь текст со слайда в PPTX‑презентации, используйте перегруженный статический метод getAllTextBoxes класса SlideUtil. Этот метод принимает объект Slide в качестве параметра.
При выполнении метод Slide сканирует весь текст со слайда, переданного в параметре, и возвращает массив объектов TextFrame. Это означает, что доступно любое наличие форматирования текста. Ниже приведён фрагмент кода, извлекающий весь текст с первого слайда презентации:

//Создать объект класса Presentation, который представляет файл PPTX
Presentation pres = new Presentation("demo.pptx");
try {
    for (ISlide slide : pres.getSlides()) 
    {
        //Получить массив объектов ITextFrame со всех слайдов в PPTX
        ITextFrame[] textFramesPPTX = SlideUtil.getAllTextBoxes(slide);

        //Пройтись по массиву TextFrames
        for (int i = 0; i < textFramesPPTX.length; i++) {
            //Пройтись по абзацам текущего ITextFrame
            for (IParagraph para : textFramesPPTX[i].getParagraphs()) {
                //Пройтись по частям текущего IParagraph
                for (IPortion port : para.getPortions()) {
                    //Отобразить текст текущей части
                    System.out.println(port.getText());

                    //Отобразить высоту шрифта текста
                    System.out.println(port.getPortionFormat().getFontHeight());

                    //Отобразить имя шрифта текста
                    if (port.getPortionFormat().getLatinFont() != null)
                        System.out.println(port.getPortionFormat().getLatinFont().getFontName());
                }
            }
        }
    }
} finally {
    pres.dispose();
}

Извлечение текста из презентации

Чтобы просканировать текст во всей презентации, используйте статический метод getAllTextFrames класса SlideUtil. Он принимает два параметра:

1. Во‑первых, объект Presentation, который представляет презентацию, из которой извлекается текст.
2. Во‑вторых, булево значение, определяющее, включать ли мастер‑слайд при сканировании текста из презентации.

Метод возвращает массив объектов TextFrame с полной информацией о форматировании текста. Ниже показан код, который сканирует текст и информацию о форматировании из презентации, включая мастер‑слайды.

//Создать объект класса Presentation, представляющий файл PPTX
Presentation pres = new Presentation("demo.pptx");
try {
    //Получить массив объектов ITextFrame со всех слайдов в PPTX
    ITextFrame[] textFramesPPTX = SlideUtil.getAllTextFrames(pres, true);

    //Пройтись по массиву TextFrames
    for (int i = 0; i < textFramesPPTX.length; i++) 
    {
        //Пройтись по абзацам текущего ITextFrame
        for (IParagraph para : textFramesPPTX[i].getParagraphs())
        {
            //Пройтись по частям текущего IParagraph
            for (IPortion port : para.getPortions())
            {
                //Отобразить текст текущей части
                System.out.println(port.getText());

                //Отобразить высоту шрифта текста
                System.out.println(port.getPortionFormat().getFontHeight());

                //Отобразить имя шрифта текста
                if (port.getPortionFormat().getLatinFont() != null)
                    System.out.println(port.getPortionFormat().getLatinFont().getFontName());
            }
        }
    }
} finally {
    pres.dispose();
}

Классифицированное и быстрое извлечение текста

В класс Presentation добавлен новый статический метод getPresentationText. Для этого метода существует три перегрузки:

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

The TextExtractionArrangingMode enum argument indicates the mode to organize the output of text result and can be set to the following values:

• Unarranged - The raw text with no respect to position on the slide
• Arranged - The text is positioned in the same order as on the slide

Unarranged mode can be used when speed is critical, it’s faster than Arranged mode.

IPresentationText represents the raw text extracted from the presentation. It contains a getSlidesText method which returns an array of ISlideText objects. Every object represent the text on the corresponding slide. ISlideText object have the following methods:

• ISlideText.getText - The text on the slide’s shapes
• ISlideText.getMasterText - The text on the master page’s shapes for this slide
• ISlideText.getLayoutText - The text on the layout page’s shapes for this slide
• ISlideText.getNotesText - The text on the notes page’s shapes for this slide

The new API can be used like this:

IPresentationText text1 = PresentationFactory.getInstance().getPresentationText("presentation.pptx", TextExtractionArrangingMode.Unarranged);
System.out.println(text1.getSlidesText()[0].getText());
System.out.println(text1.getSlidesText()[0].getLayoutText());
System.out.println(text1.getSlidesText()[0].getMasterText());
System.out.println(text1.getSlidesText()[0].getNotesText());

FAQ

Насколько быстро Aspose.Slides обрабатывает крупные презентации при извлечении текста?

Aspose.Slides оптимизирован для высокой производительности и эффективно обрабатывает даже крупные презентации, что делает его подходящим для сценариев обработки в реальном времени или пакетной обработки.

Может ли Aspose.Slides извлекать текст из таблиц и диаграмм внутри презентаций?

Да, Aspose.Slides полностью поддерживает извлечение текста из таблиц, диаграмм и других сложных элементов слайда, позволяя легко получить доступ к всему текстовому содержимому и проанализировать его.

Нужна ли специальная лицензия Aspose.Slides для извлечения текста из презентаций?

Текст можно извлекать с помощью бесплатной trial‑версии Aspose.Slides, однако она имеет определённые ограничения, например, обработку только ограниченного количества слайдов. Для неограниченного использования и работы с более крупными презентациями рекомендуется приобрести полную лицензию.