从演示文稿中提取文本

开发人员需要从演示文稿中提取文本并不少见。为此，您需要提取演示文稿中所有幻灯片上所有形状的文本。本文介绍如何使用 Aspose.Slides 从 Microsoft PowerPoint PPTX 演示文稿中提取文本。

从幻灯片提取文本

Aspose.Slides for Node.js via Java 提供了 SlideUtil 类。该类公开了一系列重载的静态方法，用于从演示文稿或幻灯片中提取全部文本。要从 PPTX 演示文稿中的幻灯片提取文本，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 方法会扫描传入参数的幻灯片中的全部文本，并返回一个 TextFrame 对象数组。这意味着可以获取到与文本相关的任何格式信息。以下代码片段提取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
    var pres = new aspose.slides.Presentation("demo.pptx");
    try {
        for (var s = 0; s < pres.getSlides().size(); s++) {
            let slide = pres.getSlides().get_Item(s);
            // 从 PPTX 中的所有幻灯片获取 ITextFrame 对象数组
            var textFramesPPTX = aspose.slides.SlideUtil.getAllTextBoxes(slide);
            // 循环遍历 TextFrame 数组
            for (var i = 0; i < textFramesPPTX.length; i++) {
                // 循环遍历当前 ITextFrame 中的段落
                for (let j = 0; j < textFramesPPTX[i].getParagraphs().getCount(); j++) {
                    let para = textFramesPPTX[i].getParagraphs().get_Item(j);
                    // 循环遍历当前 IParagraph 中的部分
                    for (let k = 0; k < para.getPortions().getCount(); k++) {
                        let port = para.getPortions().get_Item(k);
                        // 在当前部分显示文本
                        console.log(port.getText());
                        // 显示文本的字体高度
                        console.log(port.getPortionFormat().getFontHeight());
                        // 显示文本的字体名称
                        if (port.getPortionFormat().getLatinFont() != null) {
                            console.log(port.getPortionFormat().getLatinFont().getFontName());
                        }
                    });
                }
            }
        });
    } finally {
        pres.dispose();
    }

从演示文稿提取文本

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

首先，一个代表要提取文本的演示文稿的 Presentation 对象。
其次，一个布尔值，用于确定在扫描演示文稿文本时是否包含母版幻灯片。

该方法返回一个 TextFrame 对象数组，包含完整的文本格式信息。下面的代码扫描演示文稿（包括母版幻灯片）的文本及其格式信息：

// 实例化表示 PPTX 文件的 Presentation 类
var pres = new aspose.slides.Presentation("demo.pptx");
try {
    // 从 PPTX 中所有幻灯片获取 ITextFrame 对象数组
    var textFramesPPTX = aspose.slides.SlideUtil.getAllTextFrames(pres, true);
    // 循环遍历 TextFrame 数组
    for (var i = 0; i < textFramesPPTX.length; i++) {
        // 循环遍历当前 ITextFrame 中的段落
        for (let j = 0; j < textFramesPPTX[i].getParagraphs().getCount(); j++) {
            let para = textFramesPPTX[i].getParagraphs().get_Item(j);
            // 循环遍历当前 IParagraph 中的部分
            for (let k = 0; k < para.getPortions().getCount(); k++) {
                let port = para.getPortions().get_Item(k);
                // 在当前部分显示文本
                console.log(port.getText());
                // 显示文本的字体高度
                console.log(port.getPortionFormat().getFontHeight());
                // 显示文本的字体名称
                if (port.getPortionFormat().getLatinFont() != null) {
                    console.log(port.getPortionFormat().getLatinFont().getFontName());
                }
            }
        }
    }
} finally {
    pres.dispose();
}

分类和快速文本提取

已在 Presentation 类中添加了新的静态方法 getPresentationText。此方法有三个重载版本：

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

The TextExtractionArrangingMode enum argument indicates the mode to organize the output of text result and can be set to the following values:

Unarranged - The raw text with no respect to position on the slide
Arranged - The text is positioned in the same order as on the slide

Unarranged mode can be used when speed is critical, it’s faster than Arranged mode.

PresentationText represents the raw text extracted from the presentation. It contains a getSlidesText method which returns an array of SlideText objects. Every object represent the text on the corresponding slide. SlideText object have the following methods:

SlideText.getText - The text on the slide’s shapes
SlideText.getMasterText - The text on the master page’s shapes for this slide
SlideText.getLayoutText - The text on the layout page’s shapes for this slide
SlideText.getNotesText - The text on the notes page’s shapes for this slide

There is also a SlideText class which implements the SlideText class.

The new API can be used like this:

var text1 = aspose.slides.PresentationFactory.getInstance().getPresentationText("presentation.pptx", aspose.slides.TextExtractionArrangingMode.Unarranged);
console.log(text1.getSlidesText()[0].getText());
console.log(text1.getSlidesText()[0].getLayoutText());
console.log(text1.getSlidesText()[0].getMasterText());
console.log(text1.getSlidesText()[0].getNotesText());

常见问题

在文本提取过程中，Aspose.Slides 处理大型演示文稿的速度如何？

Aspose.Slides 经过高性能优化，即使是大型演示文稿也能高效处理，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提取文本吗？

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

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 的免费试用版提取文本，但该版本在处理的幻灯片数量上有限制。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。

演示文稿视图属性演示文稿批注