使用 Python 透過 Java 的進階簡報文字提取

本頁內容簡介

使用 Aspose.Slides for Python via Java，快速從 PowerPoint 與 OpenDocument 簡報中提取文字。遵循我們簡單的步驟指南，節省時間。

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。無論您處理的是 Microsoft PowerPoint 的 PPT 或 PPTX 檔案，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是關鍵。

本文提供了一份完整指南，說明如何使用 Aspose.Slides for Python via Java 有效率地從各種簡報格式（包括 PPT、PPTX 和 ODP）提取文字。您將學習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 Python via Java 提供了 SlideUtil 類別。此類別公開了多個重載的 static 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 SlideUtil.getAllTextBoxes 方法。此方法接受一個類型為 BaseSlide 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 TextFrame 型別的物件陣列，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：

import jpype
import asposeslides

if not jpype.isJVMStarted():
    jpype.startJVM()

from asposeslides.api import Presentation, SlideUtil

slide_index = 0

presentation = Presentation("demo.pptx")
try:
    slide = presentation.getSlides().get_Item(slide_index)
    text_frames = SlideUtil.getAllTextBoxes(slide)

    for text_frame in text_frames:
        for paragraph in text_frame.getParagraphs():
            for portion in paragraph.getPortions():
                portion_text = portion.getText()
                print(portion_text)

                portion_format = portion.getPortionFormat()
                font_height = portion_format.getFontHeight()
                print(font_height)

                latin_font = portion_format.getLatinFont()
                if latin_font is not None:
                    font_name = latin_font.getFontName()
                    print(font_name)
finally:
    presentation.dispose()

從簡報提取文字

要從整份簡報掃描文字，請使用由 SlideUtil 類別所提供的 static 方法 SlideUtil.getAllTextFrames。它接受兩個參數：

首先，一個代表將從中提取文字的 PowerPoint 或 OpenDocument 簡報的 Presentation 物件。
其次，一個 bool 值，指示在掃描簡報文字時是否應包含母片。

此方法回傳一個 TextFrame 型別的物件陣列，包含文字格式資訊。以下程式碼會從簡報（包括母片）掃描文字與格式細節。

import jpype
import asposeslides

if not jpype.isJVMStarted():
    jpype.startJVM()

from asposeslides.api import Presentation, SlideUtil

presentation = Presentation("demo.pptx")
try:
    include_master_slides = True
    text_frames = SlideUtil.getAllTextFrames(presentation, include_master_slides)

    for text_frame in text_frames:
        for paragraph in text_frame.getParagraphs():
            for portion in paragraph.getPortions():
                portion_text = portion.getText()
                print(portion_text)

                portion_format = portion.getPortionFormat()
                font_height = portion_format.getFontHeight()
                print(font_height)

                latin_font = portion_format.getLatinFont()
                if latin_font is not None:
                    font_name = latin_font.getFontName()
                    print(font_name)
finally:
    presentation.dispose()

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：

import jpype
import asposeslides

if not jpype.isJVMStarted():
    jpype.startJVM()

from asposeslides.api import LoadOptions, PresentationFactory, TextExtractionArrangingMode
from java.io import FileInputStream

mode = TextExtractionArrangingMode.Unarranged
load_options = LoadOptions()

# 從檔案提取文字。
file_text = PresentationFactory.getInstance().getPresentationText("presentation.pptx", mode)

# 從串流提取文字。
stream = FileInputStream("presentation.pptx")
try:
    stream_text = PresentationFactory.getInstance().getPresentationText(stream, mode)
finally:
    stream.close()

# 使用載入選項從串流提取文字。
stream_with_options = FileInputStream("presentation.pptx")
try:
    stream_text_with_options = PresentationFactory.getInstance().getPresentationText(stream_with_options, mode, load_options)
finally:
    stream_with_options.close()

The TextExtractionArrangingMode enum argument indicates the mode for organizing the text extraction result and can be set to the following values:

Unarranged - 未排序的原始文字，不考慮其在投影片上的位置。
Arranged - 文字按照投影片上的順序排列。

當速度至關重要時，可使用未排序模式；它比已排序模式更快。

PresentationText 代表從簡報中提取的原始文字。其 getSlidesText 方法回傳一個 SlideText 型別的物件陣列。每個物件代表相對應投影片上的文字。SlideText 物件具備以下方法：

getText - 投影片形狀內的文字。
getMasterText - 與此投影片相關的母片形狀內的文字。
getLayoutText - 與此投影片相關的版面配置投影片形狀內的文字。
getNotesText - 與此投影片相關的備註投影片形狀內的文字。
getCommentsText - 與此投影片相關的評論內的文字。

import jpype
import asposeslides

if not jpype.isJVMStarted():
    jpype.startJVM()

from asposeslides.api import PresentationFactory, TextExtractionArrangingMode

presentation_path = "presentation.ppt"
arranging_mode = TextExtractionArrangingMode.Unarranged
presentation_text = PresentationFactory.getInstance().getPresentationText(presentation_path, arranging_mode)
first_slide_text = presentation_text.getSlidesText()[0]

print(first_slide_text.getText())
print(first_slide_text.getLayoutText())
print(first_slide_text.getMasterText())
print(first_slide_text.getNotesText())
print(first_slide_text.getCommentsText())

常見問題

Aspose.Slides 在文字提取過程中處理大型簡報的速度如何？

Aspose.Slides 已針對高效能進行最佳化，甚至能處理大型簡報，因此適用於即時或批次處理情境。

Aspose.Slides 能從簡報中的表格與圖表提取文字嗎？

可以。Aspose.Slides 能從許多投影片元素（包括表格與圖表相關物件）提取文字，讓您能存取與分析常見簡報結構中的文字內容。

提取簡報文字是否需要特殊的 Aspose.Slides 授權？

您可使用 Aspose.Slides 的免費試用版進行文字提取，然而它會有某些限制，例如只能處理有限張數的投影片。若需無限制使用並處理較大型的簡報，建議購買完整授權。

使用 Python 透過 Java 管理簡報中的上標與下標在 Python 中透過 Java 自動化簡報本地化