2

我想让 PHP 阅读（上传的）PowerPoint 演示文稿，并从每张幻灯片中提取最少的文本（获取更多信息，如图像和布局甚至会更好，但此时我只满足于文本）。

我知道谷歌应用程序在其演示应用程序中执行此操作，所以我猜测有一些方法可以翻译 powerpoint 二进制文件，但我似乎找不到任何有关如何执行此操作的信息。

关于尝试什么的任何想法？

谢谢 -

4

4 回答 4

3

根据版本，您可以查看 Zend 框架，因为 Zend_Search_Lucene 能够索引 PowerPoint 2007 文件。看看相应的类文件，我认为它类似于Zend_Search_Lucene_Document_Pptx.

于 2009-03-15T01:52:09.000 回答
1

是的，当然这是可能的。

[这是一个开始。]( http://download.microsoft.com/download/0/B/E/0BE8BDD7-E5E8-422A-ABFD-4342ED7AD886/PowerPoint97-2007BinaryFileFormat(ppt)Specification.pdf)我不会说它有很好的文档/格式，但是一旦你开始它并不难。首先只关注您需要的元素（幻灯片、文本等）。

一个不太详细和更简单的方法是在十六进制编辑器中打开 .ppt 文件并查找您感兴趣的信息（您应该能够看到二进制数据中的文本）及其周围的内容。然后根据围绕该信息的内容，您可以编写一个解析器来提取该信息。

于 2009-03-14T20:55:56.577 回答
1

这是我从 Word 文档中提取文本的类似函数创建的示例函数。我用 Microsoft PowerPoint 文件对其进行了测试，但它不会解码保存为 .ppt 的 OpenOfficeImpress 文件

对于 .pptx 文件，您可能需要查看 Zend Lucene。

    function parsePPT($filename) {
    // This approach uses detection of the string "chr(0f).Hex_value.chr(0x00).chr(0x00).chr(0x00)" to find text strings, which are then terminated by another NUL chr(0x00). [1] Get text between delimiters [2] 
    $fileHandle = fopen($filename, "r");
    $line = @fread($fileHandle, filesize($filename));
    $lines = explode(chr(0x0f),$line);
    $outtext = '';

    foreach($lines as $thisline) {
        if (strpos($thisline, chr(0x00).chr(0x00).chr(0x00)) == 1) {
            $text_line = substr($thisline, 4);
            $end_pos   = strpos($text_line, chr(0x00));
            $text_line = substr($text_line, 0, $end_pos);
            $text_line = preg_replace("/[^a-zA-Z0-9\s\,\.\-\n\r\t@\/\_\(\)]/","",$text_line);
            if (strlen($text_line) > 1) {
                $outtext.= substr($text_line, 0, $end_pos)."\n";
            }
        }
    }
    return $outtext;
}
于 2010-05-19T16:02:14.123 回答
0

我想对此发表我的决心。

不幸的是，我无法让 PHP 可靠地读取二进制数据。

我的解决方案是编写一个小型 vb6 应用程序，通过自动化 PowerPoint 来完成这项工作。

不是我想要的，但是，现在解决了这个问题。

话虽如此，Zend 选项看起来在某些时候可能是可行的，所以我会注意的。

谢谢。

于 2009-04-04T15:49:26.977 回答