在 Java 中的高级演示文稿文本提取

开发人员需要从演示文稿中提取文本并不少见。为此，您需要从演示文稿中所有幻灯片的所有形状中提取文本。本文说明如何使用 Aspose.Slides 从 Microsoft PowerPoint PPTX 演示文稿中提取文本。

从幻灯片中提取文本

Aspose.Slides for Java 提供了 SlideUtil 类。该类公开了多个重载的静态方法，用于从演示文稿或幻灯片中提取完整文本。要从 PPTX 演示文稿中的幻灯片提取文本，请使用由 SlideUtil 类公开的 getAllTextBoxes 重载静态方法。此方法接受 Slide 对象作为参数。 执行后，Slide 方法会扫描作为参数传入的幻灯片的全部文本，并返回一个 TextFrame 对象数组。这意味着可以获得与文本关联的任何文本格式。以下代码片段提取了演示文稿第一张幻灯片上的全部文本：

// 实例化表示 PPTX 文件的 Presentation 类
Presentation pres = new Presentation("demo.pptx");
try {
    for (ISlide slide : pres.getSlides()) 
    {
        // 从 PPTX 中所有幻灯片获取 ITextFrame 对象数组
        ITextFrame[] textFramesPPTX = SlideUtil.getAllTextBoxes(slide);

        // 遍历 TextFrames 数组
        for (int i = 0; i < textFramesPPTX.length; i++) {
            // 遍历当前 ITextFrame 中的段落
            for (IParagraph para : textFramesPPTX[i].getParagraphs()) {
                // 遍历当前 IParagraph 中的文本块
                for (IPortion port : para.getPortions()) {
                    // 显示当前文本块的文本
                    System.out.println(port.getText());

                    // 显示文本的字体大小
                    System.out.println(port.getPortionFormat().getFontHeight());

                    // 显示文本的字体名称
                    if (port.getPortionFormat().getLatinFont() != null)
                        System.out.println(port.getPortionFormat().getLatinFont().getFontName());
                }
            }
        }
    }
} finally {
    pres.dispose();
}

从演示文稿中提取文本

要扫描整个演示文稿的文本，请使用 SlideUtil 类公开的 getAllTextFrames 静态方法。它接受两个参数：

1. 首先，一个表示要提取文本的演示文稿的 Presentation 对象。
2. 其次，一个布尔值，决定在扫描演示文稿文本时是否包括母版幻灯片。该方法返回一个包含文本格式信息的 TextFrame 对象数组。下面的代码扫描演示文稿的文本及其格式信息，包括母版幻灯片。

//实例化表示 PPTX 文件的 Presentation 类
Presentation pres = new Presentation("demo.pptx");
try {
    //从 PPTX 中所有幻灯片获取 ITextFrame 对象数组
    ITextFrame[] textFramesPPTX = SlideUtil.getAllTextFrames(pres, true);

    //遍历 TextFrames 数组
    for (int i = 0; i < textFramesPPTX.length; i++) 
    {
        //遍历当前 ITextFrame 中的段落
        for (IParagraph para : textFramesPPTX[i].getParagraphs())
        {
            //遍历当前 IParagraph 中的文本块
            for (IPortion port : para.getPortions())
            {
                //显示当前文本块的文本
                System.out.println(port.getText());

                //显示文本的字体高度
                System.out.println(port.getPortionFormat().getFontHeight());

                //显示文本的字体名称
                if (port.getPortionFormat().getLatinFont() != null)
                    System.out.println(port.getPortionFormat().getLatinFont().getFontName());
            }
        }
    }
} finally {
    pres.dispose();
}

分类和快速文本提取

在 Presentation 类中新增了静态方法 getPresentationText。该方法有三个重载形式：

public IPresentationText getPresentationText(String file, int mode);
public IPresentationText getPresentationText(InputStream stream, int mode);
public IPresentationText getPresentationText(InputStream stream, int mode, ILoadOptions options);

常见问题

Aspose.Slides 在文本提取期间处理大演示文稿的速度如何？

Aspose.Slides 已针对高性能进行优化，即使是 large presentations 也能高效处理，适用于实时或批量处理场景。

Aspose.Slides 能从演示文稿中的表格和图表中提取文本吗？

是的，Aspose.Slides 完全支持从表格、图表及其他复杂幻灯片元素中提取文本，帮助您轻松访问和分析所有文本内容。

提取演示文稿文本是否需要特殊的 Aspose.Slides 许可证？

您可以使用 Aspose.Slides 的免费试用版进行文本提取，但它有一些限制，例如只能处理有限数量的幻灯片。若需无限制使用并处理更大的演示文稿，建议购买完整许可证。