Извлечение текста из презентации

Не редкость, когда разработчикам необходимо извлекать текст из презентации. Для этого необходимо извлечь текст из всех фигур на всех слайдах презентации. Эта статья объясняет, как извлекать текст из презентаций Microsoft PowerPoint PPTX с помощью Aspose.Slides. Текст можно извлекать следующими способами:

Извлечение текста из слайда

Aspose.Slides для C++ предоставляет пространство имен Aspose.Slides.Util, которое включает класс SlideUtil. Этот класс предоставляет несколько перегруженных статических методов для извлечения всего текста из презентации или слайда. Чтобы извлечь текст из слайда в презентации PPTX, используйте перегруженный статический метод GetAllTextBoxes, предоставленный классом SlideUtil. Этот метод принимает объект Slide в качестве параметра. При выполнении метод Slide сканирует весь текст со слайда, переданного в качестве параметра, и возвращает массив объектов TextFrame. Это означает, что любая текстовая форматировка, связанная с текстом, доступна. Следующий фрагмент кода извлекает весь текст с первого слайда презентации:

// Путь к директории с документами.
System::String dataDir = GetDataPath();

// Создание экземпляра класса Presentation, который представляет файл PPTX
auto pptxPresentation = System::MakeObject<Presentation>(dataDir + u"demo.pptx");

// Получите массив объектов ITextFrame из всех слайдов в PPTX
auto textFramesPPTX = Util::SlideUtil::GetAllTextFrames(pptxPresentation, true);

// Перебор массива TextFrames
for (int32_t i = 0; i < textFramesPPTX->get_Length(); i++)
{
	// Перебор параграфов в текущем ITextFrame
	for (const auto& para : textFramesPPTX[i]->get_Paragraphs())
	{
		// Перебор частей в текущем IParagraph
		for (const auto& port : para->get_Portions())
		{
			// Отображение текста в текущей части
			Console::WriteLine(port->get_Text());

			// Отображение высоты шрифта текста
			Console::WriteLine(port->get_PortionFormat()->get_FontHeight());

			// Отображение названия шрифта текста
			if (port->get_PortionFormat()->get_LatinFont() != nullptr)
			{
				Console::WriteLine(port->get_PortionFormat()->get_LatinFont()->get_FontName());
			}
		}
	}
}

Извлечение текста из презентации

Чтобы просканировать текст из всей презентации, используйте GetAllTextFrames статический метод, предоставленный классом SlideUtil. Он принимает два параметра:

Во-первых, объект Presentation, который представляет презентацию PPTX, из которой извлекается текст.
Во-вторых, логическое значение, определяющее, следует ли включать мастер-слайд при сканировании текста из презентации. Метод возвращает массив объектов TextFrame, полностью с информацией о форматировании текста. Приведенный ниже код сканирует текст и информацию о форматировании из презентации, включая мастер-слайды.

// Путь к директории с документами.
System::String dataDir = GetDataPath();

// Создание экземпляра класса Presentation, который представляет файл PPTX
auto pptxPresentation = System::MakeObject<Presentation>(dataDir + u"demo.pptx");

// Получите массив объектов ITextFrame из всех слайдов в PPTX
auto textFramesPPTX = Util::SlideUtil::GetAllTextFrames(pptxPresentation, true);

// Перебор массива TextFrames
for (int32_t i = 0; i < textFramesPPTX->get_Length(); i++)
{
	// Перебор параграфов в текущем ITextFrame
	for (const auto& para : textFramesPPTX[i]->get_Paragraphs())
	{
		// Перебор частей в текущем IParagraph
		for (const auto& port : para->get_Portions())
		{
			// Отображение текста в текущей части
			Console::WriteLine(port->get_Text());

			// Отображение высоты шрифта текста
			Console::WriteLine(port->get_PortionFormat()->get_FontHeight());

			// Отображение названия шрифта текста
			if (port->get_PortionFormat()->get_LatinFont() != nullptr)
			{
				Console::WriteLine(port->get_PortionFormat()->get_LatinFont()->get_FontName());
			}
		}
	}
}

Категоризированное и быстрое извлечение текста

В класс Presentation был добавлен новый статический метод GetPresentationText. У этого метода есть две перегрузки:

System::SharedPtr<IPresentationText> GetPresentationText(System::String file, TextExtractionArrangingMode mode) override
 
System::SharedPtr<IPresentationText> GetPresentationText(System::SharedPtr<System::IO::Stream> stream, TextExtractionArrangingMode mode) override

Аргумент enum TextExtractionArrangingMode указывает режим организации вывода результата текста и может быть установлен на следующие значения:
Unarranged - Исходный текст без учета положения на слайде
Arranged - Текст расположен в том же порядке, что и на слайде

Режим Unarranged может быть использован, когда скорость критична, он быстрее, чем режим Arranged.

PresentationText представляет собой исходный текст, извлеченный из презентации. Он содержит метод get_SlidesText() из пространства имен Aspose.Slides.Util, который возвращает массив объектов ISlideText. Каждый объект представляет текст на соответствующем слайде. Объект ISlideText имеет следующие методы:

get_Text() - Текст на фигурах слайда.
get_MasterText() - Текст на фигурах главной страницы для этого слайда.
get_LayoutText() - Текст на фигурах на странице макета для этого слайда.
get_NotesText() - Текст на фигурах на странице заметок для этого слайда.

Существует также класс SlideText, который реализует интерфейс ISlideText.

Новый API может использоваться следующим образом:

auto text = System::MakeObject<PresentationFactory>()->GetPresentationText(u"presentation.ppt", TextExtractionArrangingMode::Unarranged);
Console::WriteLine(text->get_SlidesText()[0]->get_Text());
Console::WriteLine(text->get_SlidesText()[0]->get_LayoutText());
Console::WriteLine(text->get_SlidesText()[0]->get_MasterText());
Console::WriteLine(text->get_SlidesText()[0]->get_NotesText());

Надстрочные и подстрочные символы Локализация презентации