I olika scenarier extraheras texten från dokumenten för vidare bearbetning såsom vid textanalys, klassificering etc. Bland annat dokument som PDF och Word används även PowerPoint-filer i textextraktion. Därför syftar den här artikeln till att visa dig hur du extraherar text från PowerPoint PPT i Python. Vi kommer att ta upp hur man extraherar text från en specifik bild eller hela presentationen.
Python-bibliotek för att extrahera text från PowerPoint PPT
För att extrahera text från PowerPoint PPT kommer vi att använda Aspose.Slides for Python via .NET. Det är ett funktionsrikt Python-bibliotek för att skapa och uppdatera PowerPoint-presentationer. Dessutom låter det dig manipulera och konvertera presentationerna sömlöst. Du kan installera det här biblioteket från PyPI med följande pip-kommando.
> pip install aspose.slides
Extrahera text från PowerPoint PPT i Python
Beroende på scenariot kan du behöva extrahera text antingen från hela PowerPoint-presentationen eller någon specifik bild(er). I de följande avsnitten kommer vi att visa hur man utför textextraktion i båda de ovan nämnda fallen. Så låt oss fortsätta.
Python: Extrahera text från en specifik PPT-bild
Följande är stegen för att extrahera text från en specifik bild i PPT i Python.
Använd först metoden PresentationFactory().getpresentationtext(string, TextExtractionArrangingMode) för att få alla typer av text i presentationen.
Efter det, använd index för att extrahera text från en separat bild från slidestext-arrayen.
Följande är de typer av text du kan extrahera:
Bildens text
Anteckningar
Bildlayouttext
Bildhuvudtext
Följande kodexempel visar hur man extraherar text från en specifik PPT-bild i Python.
import aspose.slides as slides
# Få all text från presentationen
text = slides.PresentationFactory().get_presentation_text("presentation.pptx", slides.TextExtractionArrangingMode.UNARRANGED)
# Skriv ut texten för den önskade bilden med hjälp av dess index
print(text.slides_text[0].text)
print(text.slides_text[0].layout_text)
print(text.slides_text[0].master_text)
print(text.slides_text[0].notes_text)
Python-textextraktion från hela PowerPoint PPT
Följande steg visar hur man extraherar text från alla bilder i en PowerPoint-presentation.
- Använd först metoden PresentationFactory().getpresentationtext(string, TextExtractionArrangingMode) för att få alla typer av text i presentationen.
- Ladda presentation i ett Presentation objekt.
- Iterera genom antalet bilder i presentationen.
- Extrahera text från varje bild med slidestext array.
Följande kodexempel visar hur man extraherar text från en PPTX (eller PPT) fil i Python.
import aspose.slides as slides
# Få all text från presentationen
text = slides.PresentationFactory().get_presentation_text("presentation.pptx", slides.TextExtractionArrangingMode.UNARRANGED)
# Ladda presentationen för att få bildräkning
with slides.Presentation("presentation.pptx") as ppt:
# Gå igenom bilderna i presentationen
for index in range(ppt.slides.length):
# Skriv ut text av önskade avsnitt som bildtext, layouttext, anteckningar etc.
print(text.slides_text[index].text)
print(text.slides_text[index].layout_text)
print(text.slides_text[index].master_text)
print(text.slides_text[index].notes_text)
Python PPT Text Extraction Library - Skaffa en gratis licens
Du kan använda Aspose.Slides för Python utan utvärderingsbegränsningar genom att skaffa en tillfällig licens.
Slutsats
I den här artikeln har du lärt dig hur du extraherar text från PowerPoint PPT i Python. Du har sett hur man extraherar text från en specifik bild eller alla bilder i en PowerPoint-presentation. Dessutom kan du utforska andra funktioner i Aspose.Slides för Python med hjälp av dokumentationen. Du kan också dela dina frågor med oss via vårt forum.