在 Python 中的進階簡報文字擷取
概述
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。無論是 Microsoft PowerPoint 的 PPT 或 PPTX 檔案，亦或是 OpenDocument 簡報 (ODP)，取得文字資料都可能對分析、 automatisation、索引或內容遷移等情境關鍵。
本文提供完整指南，說明如何使用 Aspose.Slides for Python via .NET，高效從 PPT、PPTX 與 ODP 等多種簡報格式中擷取文字，並示範如何系統性遍歷簡報元素，以正確取得所需的文字內容。
從投影片擷取文字
Aspose.Slides for Python via .NET 提供了 aspose.slides.util 命名空間，其中包含 SlideUtil 類別。此類別公開多個重載的靜態方法，可用於擷取整個簡報或單一投影片的所有文字。若要從簡報中的投影片擷取文字，請使用 get_all_text_boxes 方法。此方法接受一個 BaseSlide 物件作為參數。執行時，該方法會掃描整張投影片的文字，並回傳一個包含 TextFrame 物件的陣列，保留任何文字格式。
以下程式碼片段會擷取簡報第一張投影片的全部文字：
import aspose.slides as slides
slide_index = 0
with slides.Presentation("demo.pptx") as presentation:
slide = presentation.slides[slide_index]
text_frames = slides.util.SlideUtil.get_all_text_boxes(slide)
for text_frame in text_frames:
for paragraph in text_frame.paragraphs:
for portion in paragraph.portions:
portion_text = portion.text
print(portion_text)
portion_format = portion.portion_format
font_height = portion_format.font_height
print(font_height)
latin_font = portion_format.latin_font
if latin_font is not None:
font_name = latin_font.font_name
print(font_name)
從整份簡報擷取文字
若要掃描整份簡報的文字，請使用由 SlideUtil 類別公開的 get_all_text_frames 靜態方法。它接受兩個參數：
- 第一個參數為 Presentation 物件，代表要從中擷取文字的 PowerPoint 或 OpenDocument 簡報。
- 第二個參數為
Boolean值，指示掃描簡報文字時是否包含母版投影片。
該方法會回傳包含 TextFrame 物件的陣列，並保留文字的格式資訊。以下程式碼會掃描簡報及其母版投影片的文字與格式細節。
import aspose.slides as slides
with slides.Presentation("demo.pptx") as presentation:
include_master_slides = True
text_frames = slides.util.SlideUtil.get_all_text_frames(presentation, include_master_slides)
for text_frame in text_frames:
for paragraph in text_frame.paragraphs:
for portion in paragraph.portions:
portion_text = portion.text
print(portion_text)
portion_format = portion.portion_format
font_height = portion_format.font_height
print(font_height)
latin_font = portion_format.latin_font
if latin_font is not None:
font_name = latin_font.font_name
print(font_name)
分類與快速的文字擷取
PresentationFactory 類別同樣提供用於從簡報擷取全部文字的方法：
PresentationFactory.get_presentation_text(file, mode)
PresentationFactory.get_presentation_text(stream, mode)
PresentationFactory.get_presentation_text(stream, mode, options)
TextExtractionArrangingMode 列舉參數指示文字擷取結果的組織方式，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。
當速度至關重要時，可使用 UNARRANGED 模式；它比 ARRANGED 模式更快。
PresentationText 代表從簡報中擷取的原始文字。其 slides_text 屬性回傳投影片文字物件的陣列。每個物件代表對應投影片的文字，並具有以下屬性：
text- 投影片形狀內的文字。master_text- 與此投影片相關的母版投影片形狀內的文字。layout_text- 與此投影片相關的版面配置投影片形狀內的文字。notes_text- 投影片備註形狀內的文字。comments_text- 與此投影片相關的評論文字。
import aspose.slides as slides
presentation_path = "presentation.ppt"
arranging_mode = slides.TextExtractionArrangingMode.UNARRANGED
presentation_text = slides.PresentationFactory.instance.get_presentation_text(presentation_path, arranging_mode)
first_slide_text = presentation_text.slides_text[0]
print(first_slide_text.text)
print(first_slide_text.layout_text)
print(first_slide_text.master_text)
print(first_slide_text.notes_text)
print(first_slide_text.comments_text)
常見問題
Aspose.Slides 在大量簡報的文字擷取過程中速度如何？
Aspose.Slides 已為高效能進行最佳化，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 能從多種投影片元件擷取文字，包括表格與圖表相關物件，讓您得以存取並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？
您可使用 Aspose.Slides 的免費試用版進行文字擷取，但會有某些限制，例如只能處理有限張投影片。若需無限制使用且處理更大簡報，建議購買完整授權。