从 PowerPoint 幻灯片中提取文本

Question

我有一张使用 Office 2010（和 2007）构建的 PowerPoint 幻灯片，我需要以编程方式从中提取文本。我猜 Office 在某个地方创建了一个 xml 文件，其中可能包含我需要的所有文本。

有没有办法做到这一点，我该如何解决？

我有可用于工具的 VS2010、SharePoint Designer 2007。

谢谢，

理庄

Answer 1

是的，使用 Linq-to-XML 有一个艰难的方法，一种简单甚至更简单的方法。请注意，我不使用 Open XML SDK - 我只是使用带有 XML Literals 和 System.IO.Packaging 的 VB.NET。您当然可以使用 SDK、C# 等以更复杂的方式执行此操作 - 取决于您的环境/偏好。

1. 艰难的道路：经历每一个 款，不仅拉 文字，还要拉所有的 格式（粗体、项目符号、 等）
2. 简单的方法：遍历每一个 文本输入，只需拉出文本， 没有格式。
3. 更简单的方法：转到每个 滑动并拉出所有文本。

这是你将如何做#2（简单的方法）：

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