從PowerPoint幻燈片提取文本

Question

我有一個用Office 2010（和2007）構建的PowerPoint幻燈片，我需要以編程方式從中提取文本。 我猜想Office會在某個地方創建一個xml文件，其中可能包含我需要的所有文本。

有辦法做到這一點，我將如何解決呢？

我有VS2010，SharePoint Designer 2007，可用於工具。

謝謝，

里升

Answer 1

是的，使用Linq-to-XML很難做到這一點，這是一種甚至越來越簡單的方法。 請注意，我沒有使用Open XML SDK-我只是將VB.NET與XML Literals和System.IO.Packaging一起使用。 當然，您可以使用SDK，C＃等以更復雜的方式執行此操作-取決於您的環境/首選項。

1. 困難的方式 ：遍歷每個段落，不僅要拉文本，還要拉所有格式（粗體，項目符號等）
2. 簡單的方法 ：遍歷每個文本條目，然后僅提取文本，無需格式化。
3. 甚至更簡單的方法 ：轉到每張幻燈片，然后拉出所有文本。

這是您做＃2（簡單方法）的方法：

Imports System.IO
Imports System.IO.Packaging 'Add reference to WindowsBase for this
Imports <xmlns:p="http://schemas.openxmlformats.org/presentationml/2006/main">
Imports <xmlns:a="http://schemas.openxmlformats.org/drawingml/2006/main">
Imports <xmlns:r="http://schemas.openxmlformats.org/officeDocument/2006/relationships">
Module Module1
    Public Const documentRelationshipType As String = "http://schemas.openxmlformats.org/officeDocument/2006/relationships/officeDocument"
    Sub Main()
        Dim slide, document As XElement
        Dim pptPackage As Package = Nothing
        Dim slidePart, documentPart As PackagePart
        Dim filePath As String = "C:\Users\Todd\Desktop\yourpresentation.pptx"
        pptPackage = Package.Open(filePath, FileMode.Open, FileAccess.ReadWrite)
        Using pptPackage
            Dim documentRelationship As PackageRelationship = pptPackage.GetRelationshipsByType(documentRelationshipType).FirstOrDefault
            Dim documentUri As Uri = PackUriHelper.ResolvePartUri(New Uri("/", UriKind.Relative), documentRelationship.TargetUri)
            documentPart = pptPackage.GetPart(documentUri)
            document = XElement.Load(New StreamReader(documentPart.GetStream))

            Dim slideList = From e In document.<p:sldIdLst>.<p:sldId>

            For i = 0 To slideList.Count - 1

                Dim slideReference As String = slideList(i).@r:id.ToString
                slidePart = pptPackage.GetPart(PackUriHelper.ResolvePartUri(documentPart.Uri, documentPart.GetRelationship(slideReference).TargetUri))
                slide = XElement.Load(New StreamReader(slidePart.GetStream))
                Dim rawText = From e In slide...<a:t>

                For Each t In rawText
                    Console.WriteLine(t.Value)
                Next

            Next
        End Using
        Console.ReadLine()
    End Sub
End Module