Extrahieren Sie Text und Bilder aus der PPTX-Präsentation mit Python

Erstellen Sie mithilfe serverseitiger APIs Ihre eigenen Python-Apps zum Extrahieren von Text-, Bild-, Video- und Audiodateien aus PowerPoint.

Text aus PPTX-Präsentation über Python extrahieren

Um den Text der gesamten Präsentation zu scannen, verwenden Sie die statische Methode GetAllTextFrames , die von der SlideUtil-Klasse verfügbar gemacht wird. Der folgende Code scannt den Text und die Formatierungsinformationen aus einer Präsentation, einschließlich der Masterfolien.

Extrahieren von Text aus PPTX-Präsentation mit Python
import aspose.slides as slides

#Instatiate Presentation class that represents a PPTX file
with slides.Presentation("pres.pptx") as pptxPresentation:
    # Get an Array of ITextFrame objects from all slides in the PPTX
    textFramesPPTX = slides.util.SlideUtil.get_all_text_frames(pptxPresentation, True)
    
    # Loop through the Array of TextFrames
    for i in range(len(textFramesPPTX)):
	    # Loop through paragraphs in current ITextFrame
        for para in textFramesPPTX[i].paragraphs:
            # Loop through portions in the current IParagraph
            for port in para.portions:
			    # Display text in the current portion
                print(port.text)

    			# Display font height of the text
                print(port.portion_format.font_height)

			    # Display font name of the text
                if port.portion_format.latin_font != None:
                    print(port.portion_format.latin_font.font_name)

So extrahieren Sie Text aus PPTX über Python

Dies sind die Schritte zum Analysieren von PPTX-Dateien.

Laden Sie PPTX mit einer Präsentationsinstanz
Holen Sie sich ein Array von TextFrame-Objekten von allen Folien im PPTX
Durchlaufen Sie das Array von TextFrames
Absätze im aktuellen TextFrame durchlaufen
Teile im aktuellen Absatz durchlaufen
Holen Sie sich Text im aktuellen Teil

Andere unterstützte Parse-Formate

Mit Python können Sie auch die folgenden Formate scannen:

ODP

PPT