Api 是否从PowerPoint（.ppt或.pptx）文件中提取文本？

我目前正在使用OpenOffice宏和pdf2text程序的组合来提取文本，并希望找到一种更简单、更有效的方法从PowerPoint文件中提取文本

我曾经尝试过使用ApachePOI库，但运气不太好，在尝试处理我正在查看的文件时，在库中遇到了许多异常，我不想特别仔细检查库的源代码

---

有没有一种不使用前面提到的库就可以轻松做到这一点的方法？

如果您使用MS Office并以RTF（富文本格式）保存PPT，它只包含演示文稿中的文本。然后，您可以在任何理解RTF文件的编辑器中打开该文件，并将其保存为文本（TXT）文件

我希望这在开放式办公室也能奏效

既然你谈到了API，这可能不是你要走的路，但也许它会给你新的想法。比如说，您使用多个宏分阶段进行转换

编辑：我很好奇，做了一个简短的谷歌搜索

这是我在网上找到的

正如本文中的人所指出的，从OO检索文本 文档并不难，因为它只是压缩的xml，可以用 perl脚本。问题是如何将Microsoft Powerpoint文档导入到 首先是压缩的XML格式

我发现文件->向导->文档转换器正是这样做的。 只要告诉它你想转换Powerpoint文档，而不是模板， 将它指向您的源目录，并指向您希望它吐出数据的位置 结果你就走了

然后我找到unzip-p$file.sxi content.xml | perl-p-e “s/]>/\n/g；s/+/；s/\n\n/\n/g；”-w

在提取文本时效果相当好

---

很抱歉，我手头没有Open Office来尝试任何一种方法。

pptx文件相对容易处理，因为它们只是压缩的xml—您可以将它们解压缩，然后从解压缩内容的“ppt/slides”子目录中的文件内容中删除所有xml标记，从而生成大部分相关文本

---

ppt文件是另一种游戏，这个过程变得更加痛苦，因为规范化工具catdoc包中的catppt容易受到缓冲区溢出的影响，这使得它几乎毫无用处（它在很大一部分ppt文件上会出错）.

LibreOffice-5文件-导出-HTML包括幻灯片内容和演示者备注。

---

然后，在Firefox或其他浏览器中打开.html文件，将页面另存为文本文件（或实用程序，如

pandoc-o file.txt file.html

）。

另存为RTF不起作用。它似乎只保存了文件中幻灯片的索引。我在第一次替换中需要一个通配符：

s/]*>/\n/g

。还使用多行修饰符将最后一个替换项更新为

s/^（\s*\r？\n）{2，}/\n/gm

，并允许根据答案和注释返回可选的回车符。为了澄清，解压

+
perl
配方同时生成幻灯片内容和演示者备注（我需要），而不仅仅是幻灯片文本（可以在GUI LibreOffice:View-Outline中获得）。