استخراج نص متقدم من عروض PowerPoint التقديمية باستخدام Python

نظرة عامة

استخراج النص من العروض التقديمية هو مهمة شائعة ولكنها أساسية للمطورين العاملين مع محتوى الشرائح. سواء كنت تتعامل مع ملفات Microsoft PowerPoint بصيغة PPT أو PPTX، أو عروض OpenDocument (ODP)، فإن الوصول إلى البيانات النصية واستردادها يمكن أن يكون حاسمًا للتحليل، الأتمتة، الفهرسة، أو أغراض نقل المحتوى.

توفر هذه المقالة دليلًا شاملاً حول كيفية استخراج النص بكفاءة من تنسيقات عروض تقديمية مختلفة، بما في ذلك PPT و PPTX و ODP، باستخدام Aspose.Slides for Python. ستتعلم كيفية التكرار المنهجي عبر عناصر العرض لاسترجاع محتوى النص الذي تحتاجه بدقة.

استخراج النص من شريحة

توفر Aspose.Slides for Python مساحة الاسم aspose.slides.util التي تشمل الفئة SlideUtil. تعرض هذه الفئة عدة أساليب ثابتة محملة لتجاوز لتجميع كل النص من عرض تقديمي أو شريحة. لاستخراج النص من شريحة في عرض تقديمي، استخدم الأسلوب get_all_text_boxes. يقبل هذا الأسلوب كائنًا من النوع Slide كمعامل. عند تنفيذه، يفحص الأسلوب الشريحة بالكامل بحثًا عن النص ويعيد مصفوفة من الكائنات من النوع TextFrame، مع الحفاظ على أي تنسيق للنص.

القطعة البرمجية التالية تستخرج كل النص من الشريحة الأولى في العرض:

import aspose.slides as slides

# إنشاء كائن من فئة Presentation التي تمثل ملف PPTX.
with slides.Presentation("sample.pptx") as presentation:
    slide = presentation.slides[0]
    # الحصول على مصفوفة من كائنات TextFrame من جميع الشرائح في ملف PPTX.
    text_frames = slides.util.SlideUtil.get_all_text_boxes(slide)
    # التكرار عبر مصفوفة إطارات النص.
    for text_frame in text_frames:
        # التكرار عبر الفقرات في إطار النص الحالي.
        for paragraph in text_frame.paragraphs:
            # التكرار عبر أجزاء النص في الفقرة الحالية.
            for portion in paragraph.portions:
                # عرض النص في الجزء الحالي.
                print(portion.text)
                # عرض ارتفاع الخط للنص.
                print(portion.portion_format.font_height)
                # عرض اسم الخط للنص.
                if portion.portion_format.latin_font is not None:
                    print(portion.portion_format.latin_font.font_name)

استخراج النص من عرض تقديمي

لمسح النص من كامل العرض التقديمي، استخدم الأسلوب الثابت get_all_text_frames الذي تقدمه الفئة SlideUtil. يقبل هذا الأسلوب معاملين:

  1. كائن من النوع Presentation يمثل عرض PowerPoint أو OpenDocument سيتم استخراج النص منه.
  2. قيمة Boolean تشير إلى ما إذا كان يجب تضمين الشرائح الرئيسية عند مسح النص من العرض.

يعيد الأسلوب مصفوفة من الكائنات من النوع TextFrame، متضمنةً معلومات تنسيق النص. الشيفرة أدناه تقوم بمسح النص وتفاصيل التنسيق من عرض تقديمي، بما في ذلك الشرائح الرئيسية.

import aspose.slides as slides

# إنشاء كائن من فئة Presentation التي تمثل ملف PPTX.
with slides.Presentation("pres.pptx") as presentation:
    # الحصول على مصفوفة من كائنات TextFrame من جميع الشرائح في ملف PPTX.
    text_frames = slides.util.SlideUtil.get_all_text_frames(presentation, True)
    # التكرار عبر مصفوفة إطارات النص.
    for text_frame in text_frames:
        # التكرار عبر الفقرات في إطار النص الحالي.
        for paragraph in text_frame.paragraphs:
            # التكرار عبر أجزاء النص في الفقرة الحالية.
            for portion in paragraph.portions:
                # عرض النص في الجزء الحالي.
                print(portion.text)
                # عرض ارتفاع الخط للنص.
                print(portion.portion_format.font_height)
                # عرض اسم الخط للنص.
                if portion.portion_format.latin_font is not None:
                    print(portion.portion_format.latin_font.font_name)

استخراج النص المصنف والسريع

الفئة PresentationFactory توفر أيضًا أساليب ثابتة لاستخراج كل النص من العروض:

PresentationFactory.get_presentation_text(stream, mode)
PresentationFactory.get_presentation_text(file, mode)
PresentationFactory.get_presentation_text(stream, mode, options)

المعامل enum TextExtractionArrangingMode يحدد وضع تنظيم نتيجة استخراج النص ويمكن ضبطه على القيم التالية:

  • UNARRANGED - النص الخام دون اعتبار لموقعه على الشريحة.
  • ARRANGED - يتم ترتيب النص بنفس الترتيب الموجود على الشريحة.

يمكن استخدام وضع UNARRANGED عندما تكون السرعة أمرًا حاسمًا؛ فهو أسرع من وضع ARRANGED.

الفئة PresentationText تمثل النص الخام المستخرج من العرض التقديمي. تحتوي على الخاصية slides_text التي تُعيد مصفوفة من الكائنات من النوع ISlideText. كل كائن يمثل النص على الشريحة المقابلة. كائن من النوع ISlideText يمتلك الخصائص التالية:

  • text - النص داخل أشكال الشريحة.
  • master_text - النص داخل أشكال الشريحة الرئيسية المرتبطة بهذه الشريحة.
  • layout_text - النص داخل أشكال شريحة التخطيط المرتبطة بهذه الشريحة.
  • notes_text - النص داخل أشكال شريحة الملاحظات المرتبطة بهذه الشريحة.
  • comments_text - النص داخل التعليقات المرتبطة بهذه الشريحة.
import aspose.slides as slides

arranging_mode = slides.TextExtractionArrangingMode.UNARRANGED
presentation_text = slides.PresentationFactory().get_presentation_text("sample.pptx", arranging_mode)
slide_text = presentation_text.slides_text[0]
print(slide_text.text)
print(slide_text.layout_text)
print(slide_text.master_text)
print(slide_text.notes_text)

الأسئلة الشائعة

ما مدى سرعة معالجة Aspose.Slides للعرض التقديمي الكبير أثناء استخراج النص؟

Aspose.Slides مُحسّنة لأداء عالٍ وتُعالج حتى العروض الكبيرة بكفاءة، مما يجعلها مناسبة للسيناريوهات الفورية أو المعالجة الضخمة.

هل يمكن لـ Aspose.Slides استخراج النص من الجداول والرسوم البيانية داخل العروض؟

نعم، يدعم Aspose.Slides استخراج النص من الجداول والرسوم البيانية وغيرها من العناصر المعقدة في الشريحة، مما يتيح لك الوصول إلى جميع المحتويات النصية وتحليلها بسهولة.

هل أحتاج إلى ترخيص خاص لـ Aspose.Slides لاستخراج النص من العروض؟

يمكنك استخراج النص باستخدام نسخة التجربة المجانية من Aspose.Slides، رغم أنها تحتوي على قيود معينة، مثل معالجة عدد محدود من الشرائح. للحصول على استخدام غير مقيد ومعالجة عروض أكبر، يُنصح بشراء ترخيص كامل.

إدارة النص الفوقي والنص السفلي في بايثون توطين العرض