有没有办法使用 Apache poi 从给定的 PowerPoint 文件中准确获取演讲者笔记？

Question

我正在尝试使用 apache poi 将演讲者笔记从一个 powerpoint 传输到另一个 powerpoint，但无法准确传输。

找了一圈，没找到多少资源。我确实找到了这个 link: How to get pptx slide notes text using apache poi? ，它在大多数情况下都有效。但是，当原始 pptx 中涉及幻灯片母版等某些功能时，一些不属于演讲者备注的文本会被解释为演讲者备注。

XSLFNotes notes_src = slides_src[i].getNotes();
XSLFNotes notes_dst = ppt_dst.getNotesSlide(slides_dst[i]);

这一切都在一个 for 循环中，其中 i 是迭代次数。在这里，我从目标文件中获取源幻灯片 i 和相应的幻灯片 i。

for (XSLFShape shape_src : notes_src) {
    if (shape_src instanceof XSLFTextShape) {
        XSLFTextShape txShape = (XSLFTextShape) shape_src;
        for (XSLFTextParagraph xslfParagraph : txShape.getTextParagraphs()) {

这里是我从幻灯片中获取的文本。下面的 if 循环是我必须开始过滤掉一些实际上不是演讲者笔记的 "speaker" 笔记的地方（例如，幻灯片编号以某种方式被解释为笔记；还打印了这个版权符号）。

    if (!(xslfParagraph.getText().startsWith("" + (i + 1)) & xslfParagraph.getText().length() < 3) & !(xslfParagraph.getText().startsWith("Copyright ©"))) {
        for (XSLFTextShape shape_dst : notes_dst.getPlaceholders()) {
            if (shape_dst.getTextType() == Placeholder.BODY) {
                shape_dst.setText(shape_dst.getText() + xslfParagraph.getText() + "\n");

下面的语句是另一个过滤器；如果涉及母版幻灯片的功能，一段奇怪的 "click to edit master text styles..." 文本也会被解释为演讲者注释。

    shape_dst.setText(shape_dst.getText().replace("Click to edit Master text styles", "").replace("Second level", "").replace("Third level", "").replace("Fourth level", "").replace("Fifth level", ""));
}}}}}}

简而言之，不是演讲者笔记的内容显示为 "notes"。关于这个主题的在线资源不多；有人可以帮忙吗？

Answer 1

XSLFSlide.getNotes得到的是笔记幻灯片。这些可能不仅有包含注释的正文文本形状，还有通过其他占位符（如页眉、页脚、日期时间和幻灯片编号）填充的文本形状。要确定得到的是哪种文本形状，可以从形状中获取占位符类型。这是

CTShape cTShape = (CTShape)shape.getXmlObject(); 
STPlaceholderType.Enum type = cTShape.getNvSpPr().getNvPr().getPh().getType();

那么只能得到 STPlaceholderType.BODY.

类型的文本形状

示例：

import java.io.FileInputStream;

import org.apache.poi.xslf.usermodel.*;

import org.openxmlformats.schemas.presentationml.x2006.main.CTShape;
import org.openxmlformats.schemas.presentationml.x2006.main.STPlaceholderType;

import java.util.List;

public class PowerPointReadNotes {

 public static void main(String[] args) throws Exception {

  XMLSlideShow slideShow = new XMLSlideShow(new FileInputStream("PowerPointHavingNotes.pptx"));

  List<XSLFSlide> slides = slideShow.getSlides();
  for (XSLFSlide slide : slides) {
   XSLFNotes notes = slide.getNotes();
   for (XSLFShape shape : notes) {
    CTShape cTShape = (CTShape)shape.getXmlObject();
    STPlaceholderType.Enum type = cTShape.getNvSpPr().getNvPr().getPh().getType();
    System.out.println("type: " + type); 
    if (type == STPlaceholderType.BODY) { // get only shapes of type BODY
     if (shape instanceof XSLFTextShape) {
      XSLFTextShape textShape = (XSLFTextShape) shape;
      for (XSLFTextParagraph paragraph : textShape) {
       System.out.println(paragraph.getText());
      }
     }
    }
   }
  }
 }
}

可能的类型是 BODY, CHART, CLIP_ART, CTR_TITLE, DGM, DT, FTR, HDR, MEDIA, OBJ, PIC, SLD_IMG, SLD_NUM, SUB_TITLE, TBL, TITLE。

遗憾的是，没有任何关于 ooxml 模式的文档 public 可用。因此，我们需要下载 ooxml-schemas 的源代码，然后从这些源代码中执行 javadoc 以获得描述类和方法的 API 文档。

然后我们找到 org.openxmlformats.schemas.presentationml.x2006.main.* 类，它们是 Office Open XML 的演示部分的类。可以查看 javadoc 创建的 API 文档中的 /org/openxmlformats/schemas/presentationml/x2006/main/CTShape.html，然后继续 getNvSpPr() - getNvPr() - getPh() - getType().

使用当前的 apache poi 4.1.0 在高级 API 中有一个枚举 Placeholder 也可以使用。

示例：

import java.io.FileInputStream;

import org.apache.poi.xslf.usermodel.*;
import org.apache.poi.sl.usermodel.Placeholder;

import java.util.List;

public class PowerPointReadNotesHL {

 public static void main(String[] args) throws Exception {

  XMLSlideShow slideShow = new XMLSlideShow(new FileInputStream("PowerPointHavingNotes.pptx"));

  List<XSLFSlide> slides = slideShow.getSlides();
  for (XSLFSlide slide : slides) {
   XSLFNotes notes = slide.getNotes();
   for (XSLFShape shape : notes) {
    Placeholder placeholder = shape.getPlaceholder();
    System.out.println("placeholder: " + placeholder); 
    if (placeholder == Placeholder.BODY) { // get only shapes of type BODY
     if (shape instanceof XSLFTextShape) {
      XSLFTextShape textShape = (XSLFTextShape) shape;
      for (XSLFTextParagraph paragraph : textShape) {
       System.out.println(paragraph.getText());
      }
     }
    }
   }
  }
 }
}

那么直接使用低级ooxml-schema 类就没有必要了

有没有办法使用 Apache poi 从给定的 PowerPoint 文件中准确获取演讲者笔记？

Is there a way to get speaker notes accurately from a given PowerPoint file with Apache poi?

java

powerpoint

apache-poi

maven