在 JavaScript 中的簡報文字進階擷取

概觀

從簡報中擷取文字是開發人員處理投影片內容時常見且重要的工作。無論您是在處理 Microsoft PowerPoint 的 PPT 或 PPTX 檔案，亦或是 OpenDocument 簡報（ODP），取得文字資料對於分析、自動化、索引或內容遷移都可能是關鍵。

本文提供一套完整指南，說明如何使用 Aspose.Slides for Node.js via Java，有效從 PPT、PPTX 以及 ODP 等多種簡報格式中擷取文字。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。

從投影片擷取文字

Aspose.Slides for Node.js via Java 提供 SlideUtil 類別。此類別提供多個重載的靜態方法，用於從簡報或投影片中擷取全部文字。若要從簡報中的投影片擷取文字，請使用 getAllTextBoxes 方法。該方法接受一個投影片物件作為參數。執行時，方法會掃描整個投影片的文字，並回傳一個 TextFrame 陣列，保留所有文字格式資訊。

以下程式碼片段會擷取簡報第一張投影片的全部文字：

const slideIndex = 0;

const presentation = new aspose.slides.Presentation("demo.pptx");
try {
    const slide = presentation.getSlides().get_Item(slideIndex);

    const textFrames = aspose.slides.SlideUtil.getAllTextBoxes(slide);

    for (let textFrameIndex = 0; textFrameIndex < textFrames.length; textFrameIndex++) {
        const textFrame = textFrames[textFrameIndex];

        const paragraphs = textFrame.getParagraphs();
        const paragraphCount = paragraphs.getCount();
        for (let paragraphIndex = 0; paragraphIndex < paragraphCount; paragraphIndex++) {
            const paragraph = paragraphs.get_Item(paragraphIndex);

            const portions = paragraph.getPortions();
            const portionCount = portions.getCount();
            for (let portionIndex = 0; portionIndex < portionCount; portionIndex++) {
                const portion = portions.get_Item(portionIndex);

                const portionText = portion.getText();
                console.log(portionText);

                const portionFormat = portion.getPortionFormat();
                const fontHeight = portionFormat.getFontHeight();
                console.log(fontHeight);

                const latinFont = portionFormat.getLatinFont();
                if (latinFont !== null) {
                    const fontName = latinFont.getFontName();
                    console.log(fontName);
                }
            }
        }
    }
} finally {
    presentation.dispose();
}

從簡報擷取文字

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

第一個參數是代表將要擷取文字之 PowerPoint 或 OpenDocument 簡報的 Presentation 物件。
第二個參數是布林值，指示在掃描簡報文字時是否應包含母版投影片。

此方法會回傳一個 TextFrame 陣列，並包含文字格式資訊。下列程式碼會從簡報（包括母版投影片）中掃描文字與格式細節：

const presentation = new aspose.slides.Presentation("demo.pptx");
try {
    const includeMasterSlides = true;
    const textFrames = aspose.slides.SlideUtil.getAllTextFrames(presentation, includeMasterSlides);

    for (let textFrameIndex = 0; textFrameIndex < textFrames.length; textFrameIndex++) {
        const textFrame = textFrames[textFrameIndex];

        const paragraphs = textFrame.getParagraphs();
        const paragraphCount = paragraphs.getCount();
        for (let paragraphIndex = 0; paragraphIndex < paragraphCount; paragraphIndex++) {
            const paragraph = paragraphs.get_Item(paragraphIndex);

            const portions = paragraph.getPortions();
            const portionCount = portions.getCount();
            for (let portionIndex = 0; portionIndex < portionCount; portionIndex++) {
                const portion = portions.get_Item(portionIndex);

                const portionText = portion.getText();
                console.log(portionText);

                const portionFormat = portion.getPortionFormat();
                const fontHeight = portionFormat.getFontHeight();
                console.log(fontHeight);

                const latinFont = portionFormat.getLatinFont();
                if (latinFont !== null) {
                    const fontName = latinFont.getFontName();
                    console.log(fontName);
                }
            }
        }
    }
} finally {
    presentation.dispose();
}

分類且快速的文字擷取

PresentationFactory 類別亦提供用於從簡報擷取全部文字的方法：

PresentationText getPresentationText(String file, int mode);
PresentationText getPresentationText(InputStream stream, int mode);
PresentationText getPresentationText(InputStream stream, int mode, LoadOptions options);

TextExtractionArrangingMode 列舉參數表示組織文字擷取結果的模式，可設定為以下值：

Unarranged — 不考慮文字在投影片上的位置的原始文字。
Arranged — 文字以投影片上的相同順序排列。

在速度至關重要的情況下，可使用未排列模式（Unarranged），其速度比排列模式（Arranged）更快。

PresentationText 代表從簡報中擷取的原始文字。其 getSlidesText 方法回傳一個物件陣列，每個物件對應相應投影片的文字。每個投影片文字物件具有以下方法：

getText 方法回傳投影片形狀內的文字。
getMasterText 方法回傳與此投影片相關的母版投影片形狀內的文字。
getLayoutText 方法回傳與此投影片相關的版面配置投影片形狀內的文字。
getNotesText 方法回傳與此投影片相關的備註投影片形狀內的文字。
getCommentsText 方法回傳與此投影片相關的評論文字。

const presentationPath = "presentation.ppt";
const arrangingMode = aspose.slides.TextExtractionArrangingMode.Unarranged;
const presentationText = aspose.slides.PresentationFactory.getInstance().getPresentationText(presentationPath, arrangingMode);
const firstSlideText = presentationText.getSlidesText()[0];

console.log(firstSlideText.getText());
console.log(firstSlideText.getLayoutText());
console.log(firstSlideText.getMasterText());
console.log(firstSlideText.getNotesText());
console.log(firstSlideText.getCommentsText());

常見問題集

Aspose.Slides 在大量簡報的文字擷取過程中速度如何？

Aspose.Slides 已針對高效能進行最佳化，即使是大型簡報，也能快速處理，適用於即時或批次處理情境。

Aspose.Slides 能否從簡報中的表格與圖表擷取文字？

可以。Aspose.Slides 能從許多投影片元素擷取文字，包括表格與圖表相關的物件，讓您得以存取與分析常見簡報結構中的文字內容。

擷取簡報文字是否需要特殊的 Aspose.Slides 授權？

您可以使用 Aspose.Slides 的免費試用版進行文字擷取，但會有特定限制，例如只能處理有限張投影片。若需無限制使用並處理較大簡報，建議購買完整授權。

使用 JavaScript 在簡報中管理上標與下標在 JavaScript 中自動化簡報本地化