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，更有效的方法来从PowerPoint文件中获取文本。
我尝试过使用Apache POI库并没有太多运气，在尝试处理我正在查看的文件时遇到了很多例外，并且不特别想要筛选出来的源代码库。
如果不使用上述库，有没有简单的方法呢？
答案 0 :(得分：2)
如果您有MS Office并且您将PPT保存为RTF（富文本格式），则它仅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，并将其另存为文本（TXT）文件。
我希望这也可以在Open Office中使用。
既然你谈到API，这可能不适合你，但也许它会给你更新的想法。比如说，你使用多个宏来分阶段进行转换......
编辑：我很好奇并做了一个简短的谷歌搜索
这是我在one of the www.openoffice.org pages
上找到的正如本帖子中的人所指出的那样，从OO中检索文本 文档并不难，因为它只是压缩的xml，可以用一个解析 perl脚本。问题是将Microsoft Powerpoint文档导入 首先是压缩的XML格式。
我发现了文件 - ＆gt;向导 - ＆gt; Document Convertor正是如此。 告诉它你要转换Powerpoint文档，而不是模板， 将它指向您的源目录以及您希望它吐出的位置 结果，你走了。
然后我找到unzip -p $ file.sxi content.xml | perl -p -e “s /＆lt; [^＆gt;] ＆gt; / \ n / g; s / + //; s / \ n \ n / \ n / g;” -w
可以很好地提取文本。
抱歉，我没有Open Office可以尝试任何一种方法。
答案 1 :(得分：1)
pptx文件相对容易处理，因为它们只是压缩xml - 你可以解压缩它们然后从解压缩的东西的'ppt / slides'子目录中的文件内容中删除所有xml标签，产生了大部分相关文本。
ppt文件是一个完整的其他球赛，并且该过程变得更加痛苦，因为来自catdoc包的规范工具catppt容易受到缓冲区溢出的影响，这使得它几乎无用（它在ppt的大部分上都是段错误的文件）。答案 2 :(得分：0)
LibreOffice-5文件-导出-HTML包含幻灯片内容和演示者注释。
然后，在Firefox或其他浏览器中打开.html文件，然后选择文件-页面另存为-文本文件（或实用程序，例如pandoc -o file.txt file.html）。