在 .NET 中的簡報進階文字提取

概觀

從簡報中提取文字是開發人員處理投影片內容時常見且必要的工作。無論您是處理 Microsoft PowerPoint 的 PPT 或 PPTX 格式，亦或是 OpenDocument 簡報（ODP），存取與取得文字資料對於分析、自動化、索引或內容遷移等目的都可能至關重要。

本文提供了一份完整指南，說明如何使用 Aspose.Slides for .NET 有效地從各種簡報格式（包括 PPT、PPTX 和 ODP）中提取文字。您將學會如何系統性地遍歷簡報元素，以精確取得所需的文字內容。

從投影片提取文字

Aspose.Slides for .NET 提供了 Aspose.Slides.Util 命名空間，其中包含 SlideUtil 類別。此類別公布了多個重載的靜態方法，用於從簡報或投影片中提取所有文字。若要從簡報中的投影片提取文字，請使用 GetAllTextBoxes 方法。此方法接受類型為 IBaseSlide 的物件作為參數。執行時，該方法會掃描整個投影片的文字，並回傳一個 ITextFrame 類型的物件陣列，保留所有文字格式。

以下程式碼片段會從簡報的第一張投影片提取所有文字：

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);
            }
        }
    }
}

從簡報提取文字

若要掃描整個簡報的文字，請使用由 SlideUtil 類別所提供的靜態方法 GetAllTextFrames。它接受兩個參數：

1. 第一個參數為 IPresentation 物件，代表要從中提取文字的 PowerPoint 或 OpenDocument 簡報。
2. 第二個參數為 Boolean 值，指示在掃描簡報文字時是否要包含母版投影片。

此方法會回傳一個 ITextFrame 類型的物件陣列，內含文字格式資訊。以下程式碼會掃描簡報的文字與格式細節，包含母版投影片。

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);
            }
        }
    }
}

分類與快速文字提取

PresentationFactory 類別也提供了從簡報中提取所有文字的方法：

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

TextExtractionArrangingMode 列舉參數表示文字提取結果的組織模式，可設定為以下值：

• Unarranged - 原始文字，不考慮其在投影片上的位置。
• Arranged - 文字依投影片上的順序排列。

當速度關鍵時，可使用未排列模式；其速度快於排列模式。

IPresentationText 代表從簡報中提取的原始文字。其 SlidesText 屬性回傳一個 ISlideText 類型的物件陣列。每個物件代表相對投影片上的文字。類型為 ISlideText 的物件具有以下屬性：

• Text - 投影片形狀內的文字。
• MasterText - 與此投影片相關聯的母版投影片形狀內的文字。
• LayoutText - 與此投影片相關聯的版面投影片形狀內的文字。
• NotesText - 與此投影片相關聯的備註投影片形狀內的文字。
• CommentsText - 與此投影片相關聯的評論內的文字。

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);

常見問題

Aspose.Slides 在文字提取期間處理大型簡報的速度如何？

Aspose.Slides 已針對高效能進行最佳化，即使是 大型簡報，也能順利處理，適合即時或批量處理情境。

Aspose.Slides 能從簡報中的表格和圖表提取文字嗎？

是的。Aspose.Slides 能從多種投影片元素（包括表格和圖表相關物件）提取文字，讓您能存取並分析常見簡報結構中的文字內容。

我需要特別的 Aspose.Slides 授權才能提取簡報文字嗎？

您可以使用 Aspose.Slides 的免費試用版進行文字提取，儘管它會有 特定限制，例如只能處理有限數量的投影片。若需無限制使用並處理更大的簡報，建議購買正式授權。