Avancerad textextraktion från presentationer i C++
Översikt
Att extrahera text från presentationer är en vanlig men ändå viktig uppgift för utvecklare som arbetar med bildinnehåll. Oavsett om du hanterar Microsoft PowerPoint-filer i PPT- eller PPTX-format, eller OpenDocument-presentationer (ODP), kan åtkomst till och hämtning av textdata vara avgörande för analys, automatisering, indexering eller innehållsmigrering.
Denna artikel ger en omfattande guide för hur man effektivt extraherar text från olika presentationsformat, inklusive PPT, PPTX och ODP, med hjälp av Aspose.Slides för C++. Du kommer att lära dig hur du systematiskt itererar genom presentationselement för att exakt hämta det textinnehåll du behöver.
Extrahera text från en bild
Aspose.Slides för C++ tillhandahåller namnrymden Aspose.Slides.Util som innehåller klassen SlideUtil. Klassen erbjuder flera överlagrade statiska metoder för att extrahera all text från en presentation eller bild. För att extrahera text från en bild i en presentation, använd metoden GetAllTextBoxes. Denna metod accepterar ett objekt av typen IBaseSlide som parameter. Vid körning skannar metoden hela bilden efter text och returnerar en array av objekt av typen ITextFrame, med bevarad textformatering.
Följande kodsnutt extraherar all text från den första bilden i presentationen:
auto slideIndex = 0;
auto presentation = System::MakeObject<Presentation>(u"demo.pptx");
auto slide = presentation->get_Slide(slideIndex);
auto textFrames = Util::SlideUtil::GetAllTextBoxes(slide);
for (const auto& textFrame : textFrames)
{
for (const auto& paragraph : textFrame->get_Paragraphs())
{
for (const auto& portion : paragraph->get_Portions())
{
auto portionText = portion->get_Text();
Console::WriteLine(portionText);
auto portionFormat = portion->get_PortionFormat();
auto fontHeight = portionFormat->get_FontHeight();
Console::WriteLine(fontHeight);
auto latinFont = portionFormat->get_LatinFont();
if (latinFont != nullptr)
{
auto fontName = latinFont->get_FontName();
Console::WriteLine(fontName);
}
}
}
}
presentation->Dispose();
Extrahera text från en presentation
För att skanna text från hela presentationen, använd den statiska metoden GetAllTextFrames som exponeras av klassen SlideUtil. Den tar emot två parametrar:
- Först ett IPresentation-objekt som representerar en PowerPoint‑ eller OpenDocument‑presentation som texten ska extraheras från.
- För det andra ett
Boolean‑värde som anger om masterslides ska inkluderas vid skanning av text från presentationen.
Metoden returnerar en array av objekt av typen ITextFrame, inklusive information om textformatering. Koden nedan skannar texten och formateringsdetaljerna från en presentation, inklusive masterslides.
auto presentation = System::MakeObject<Presentation>(u"demo.pptx");
auto includeMasterSlides = true;
auto textFrames = Util::SlideUtil::GetAllTextFrames(presentation, includeMasterSlides);
for (const auto& textFrame : textFrames)
{
for (const auto& paragraph : textFrame->get_Paragraphs())
{
for (const auto& portion : paragraph->get_Portions())
{
auto portionText = portion->get_Text();
Console::WriteLine(portionText);
auto portionFormat = portion->get_PortionFormat();
auto fontHeight = portionFormat->get_FontHeight();
Console::WriteLine(fontHeight);
auto latinFont = portionFormat->get_LatinFont();
if (latinFont != nullptr)
{
auto fontName = latinFont->get_FontName();
Console::WriteLine(fontName);
}
}
}
}
presentation->Dispose();
Kategoriserad och snabb textextraktion
Klassen PresentationFactory erbjuder också metoder för att extrahera all text från presentationer:
System::SharedPtr<IPresentationText> GetPresentationText(System::String file, TextExtractionArrangingMode mode);
System::SharedPtr<IPresentationText> GetPresentationText(System::SharedPtr<System::IO::Stream> stream, TextExtractionArrangingMode mode);
System::SharedPtr<IPresentationText> GetPresentationText(System::SharedPtr<System::IO::Stream> stream, TextExtractionArrangingMode mode, System::SharedPtr<ILoadOptions> options);
Argumentet TextExtractionArrangingMode enum anger läget för hur resultatet av textextraktion organiseras och kan sättas till följande värden:
Unarranged– Råtext utan hänsyn till dess position på bilden.Arranged– Texten är ordnad i samma sekvens som på bilden.
Det oordnade läget kan användas när hastighet är kritisk; det är snabbare än det ordnade läget.
IPresentationText representerar råtexten som extraherats från presentationen. Dess get_SlidesText()‑metod returnerar en array av objekt av typen ISlideText. Varje objekt representerar texten på den motsvarande bilden. Objektet av typen ISlideText har följande metoder:
get_Text()– Texten inom bildens former.get_MasterText()– Texten inom masterslides former som är associerade med den här bilden.get_LayoutText()– Texten inom layoutbildens former som är associerade med den här bilden.get_NotesText()– Texten inom noteringsbildens former som är associerade med den här bilden.get_CommentsText()– Texten inom kommentarer som är associerade med den här bilden.
auto presentationPath = u"presentation.ppt";
auto arrangingMode = TextExtractionArrangingMode::Unarranged;
auto presentationText = PresentationFactory::get_Instance()->GetPresentationText(presentationPath, arrangingMode);
auto firstSlideText = presentationText->get_SlidesText()[0];
Console::WriteLine(firstSlideText->get_Text());
Console::WriteLine(firstSlideText->get_LayoutText());
Console::WriteLine(firstSlideText->get_MasterText());
Console::WriteLine(firstSlideText->get_NotesText());
Console::WriteLine(firstSlideText->get_CommentsText());
FAQ
Hur snabbt bearbetar Aspose.Slides stora presentationer under textextraktion?
Aspose.Slides är optimerat för hög prestanda och kan bearbeta även stora presentationer, vilket gör det lämpligt för realtids- eller massbearbetningsscenario.
Kan Aspose.Slides extrahera text från tabeller och diagram i presentationer?
Ja. Aspose.Slides kan extrahera text från många bildelement, inklusive tabeller och diagramrelaterade objekt, så att du kan komma åt och analysera textinnehåll i vanliga presentationsstrukturer.
Behöver jag en speciell Aspose.Slides-licens för att extrahera text från presentationer?
Du kan extrahera text med den kostnadsfria provversionen av Aspose.Slides, men den har vissa begränsningar, såsom att endast bearbeta ett begränsat antal bilder. För obegränsad användning och för att hantera större presentationer rekommenderas att köpa en full licens.