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罕见。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。本文解释了如何使用Aspose.Slides从Microsoft PowerPoint PPTX演示文稿中提取文本。可以通过以下方式提取文本：

从幻灯片中提取文本

Aspose.Slides for Python via .NET提供了Aspose.Slides.Util命名空间，其中包括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整个文本。要从PPTX演示文稿中的幻灯片提取文本，请使用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方法扫描作为参数传入的幻灯片的整个文本，并返回一个TextFrame对象数组。这意味着与文本相关的任何文本格式均可用。以下代码从演示文稿的第一张幻灯片中提取所有文本：

import aspose.slides as slides

#实例化表示PPTX文件的Presentation类
with slides.Presentation("pres.pptx") as pptxPresentation:
    # 从PPTX中的所有幻灯片获取ITextFrame对象的数组
    textFramesPPTX = slides.util.SlideUtil.get_all_text_boxes(pptxPresentation.slides[0])
    
    # 遍历TextFrames数组
    for i in range(len(textFramesPPTX)):
	    # 遍历当前ITextFrame中的段落
        for para in textFramesPPTX[i].paragraphs:
            # 遍历当前IParagraph中的部分
            for port in para.portions:
			    # 显示当前部分的文本
                print(port.text)

    			# 显示文本的字体高度
                print(port.portion_format.font_height)

			    # 显示文本的字体名称
                if port.portion_format.latin_font != None:
                    print(port.portion_format.latin_font.font_name)

从演示文稿中提取文本

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

第一个，表示从中提取文本的PPTX演示文稿的Presentation对象。
第二个，一个布尔值，确定在从演示文稿扫描文本时是否包含母版幻灯片。该方法返回一个包含文本格式信息的TextFrame对象数组。以下代码扫描演示文稿中的文本和格式信息，包括母版幻灯片。

import aspose.slides as slides

#实例化表示PPTX文件的Presentation类
with slides.Presentation("pres.pptx") as pptxPresentation:
    # 从PPTX中的所有幻灯片获取ITextFrame对象的数组
    textFramesPPTX = slides.util.SlideUtil.get_all_text_frames(pptxPresentation, True)
    
    # 遍历TextFrames数组
    for i in range(len(textFramesPPTX)):
	    # 遍历当前ITextFrame中的段落
        for para in textFramesPPTX[i].paragraphs:
            # 遍历当前IParagraph中的部分
            for port in para.portions:
			    # 显示当前部分的文本
                print(port.text)

    			# 显示文本的字体高度
                print(port.portion_format.font_height)

			    # 显示文本的字体名称
                if port.portion_format.latin_font != None:
                    print(port.portion_format.latin_font.font_name)

分类和快速文本提取

在Presentation类中添加了新的静态方法GetPresentationText。该方法有两个重载：

slides.Presentation.get_presentation_text(stream)
slides.Presentation.get_presentation_text(stream, mode)

ExtractionMode枚举参数指示组织文本结果输出的模式，可以设置为以下值： Unarranged - 原始文本，不考虑在幻灯片上的位置 Arranged - 该文本按幻灯片上的顺序排列

当速度至关重要时，可以使用Unarranged模式，它比Arranged模式更快。

PresentationText表示从演示文稿中提取的原始文本。它包含Aspose.Slides.Util命名空间中的slides_text属性，该属性返回SlideText对象的数组。每个对象代表对应幻灯片上的文本。SlideText对象具有以下属性：

SlideText.text - 幻灯片形状上的文本 SlideText.master_text - 该幻灯片的母版页面形状上的文本 SlideText.layout_text - 该幻灯片的布局页面形状上的文本 SlideText.notes_text - 该幻灯片的注释页面形状上的文本

新的API可以这样使用：

import aspose.slides as slides

text1 = slides.PresentationFactory().get_presentation_text("pres.pptx", slides.TextExtractionArrangingMode.UNARRANGED)
print(text1.slides_text[0].text)
print(text1.slides_text[0].layout_text)
print(text1.slides_text[0].master_text)
print(text1.slides_text[0].notes_text)

上标和下标演示文稿本地化