PPT提取文本

 

（一）   Interop Assembly

.NET Frameword中提供了一种叫COM Interop的技术，用于在.NET代码中直接访问COM组件。原

理是.NET Framework能够自动针对一个COM组件，帮助开发人员生成一个Interop Assembly(IA)

,IA是一个托管程序集，里面的命名空间，类，方法等都和所针对的COM对应的（并非都一一对

应，是按照一定规则转换），在程序中可以添加对应COM组件的IA引用就可实现对COM的操作。

（二）   Primary Interop Assembly

IA在添加一个COM引用时自动生成，对于Office，微软提供了现成的IA供程序员使用，称为，

Primary Interop Assembly(PIA),下面是和主题相关的一些PIAS（Office 2003）

 

我们引入PIA之后就可对PPT进行操作,对于PPT.文本内容存在于PPT中的

TextFrame,其中TextFrame可以包含TextRange.而TextRange中的文本正是我们所需要的,关于PPT对象模型可参考MSDN

1) 转换为纯文本(txt)教案 观察powerpoint的对象模型,对于我们提取文本相关的是TextFrame,其中TextFrame可以包含TextRange.而TextRange中的文本正是我们所需要的 protected void ConvertPptToText(string inputfilename) { //定义一个Powerpoint对象 Microsoft.Office.Interop.PowerPoint.Application pptApp = new Microsoft.Office.Interop.PowerPoint.ApplicationClass(); //打开指定的ppt Microsoft.Office.Interop.PowerPoint.Presentation ppt = pptApp.Presentations.Open(filename, Microsoft.Office.Core.MsoTriState.msoCTrue, Microsoft.Office.Core.MsoTriState.msoFalse, Microsoft.Office.Core.MsoTriState.msoFalse); StringBuilder sb = new StringBuilder(); foreach (Microsoft.Office.Interop.PowerPoint.Slide slide in ppt.Slides) {//对于每一张幻灯片中的每个shape foreach (Microsoft.Office.Interop.PowerPoint.Shape shape in slide.Shapes) { //若包含TextFrame且TextFrame中包含文本 if ((shape.HasTextFrame == Microsoft.Office.Core.MsoTriState.msoTrue) && (shape.TextFrame.HasText == Microsoft.Office.Core.MsoTriState.msoTrue)) { //则追加文本 sb.AppendLine(shape.TextFrame.TextRange.Text);//获取文本 } } } ppt.Close();//关闭所打开的ppt pptApp.Quit(); File.WriteAllText(@"E:/c#/pptToText.txt", sb.ToString());//写入到文件中