PowerPoint 文件是商业演示、教育培训中最常用的文档格式之一。作为开发者，我们常常需要从 PowerPoint 文件中提取内容进行进一步处理。本文将详细介绍如何使用 C# 读取 PPT/PPTX 文件，并提取其中的文本、表格、标题、批注、图片以及元数据等内容。
一、PowerPoint 文件解析的背景与挑战
PowerPoint 文件格式复杂，传统的 .ppt 是二进制格式，.pptx 则基于 Open XML 标准。幻灯片内容不仅包括文本框、表格、图片，还有嵌套的组合形状、批注等多种元素。
手动解析文件内部结构难度大，且容易出错。因此借助第三方类库成为首选。这些库能帮助快速定位、读取和导出 PPT 中的各种元素，大幅降低开发难度与成本。
二、工具选型
当前在 .NET 平台上常用于处理 PowerPoint 文件的类库包括：适用于 PPTX 格式的 Open XML SDK、依赖本地 Office 安装的 Microsoft Interop，以及支持 PPT 和 PPTX 的第三方库 Spire.Presentation 等。
本文使用的是 Spire.Presentation 库，因其支持 .ppt 和 .pptx，功能完善且不依赖 Office 环境。
三、环境准备
1. 创建项目
在 Visual Studio 创建一个控制台应用程序或其他类型项目，目标框架支持 .NET Framework，.NET Core等。
2. 安装 Spire.Presentation
在NuGet包管理器控制台中执行以下命令，完成安装：
Install-Package Spire.Presentation安装完成后即可开始调用相关 API。
四、如何使用 C# 提取 PowerPoint PPT 或 PPTX 文件内容
PowerPoint 文件内容丰富，可包含形状、表格、图片、批注等多种元素。在实际开发中，常见的需求包括自动提取 PPT 形状中的文字、导出嵌入图片、提取表格数据用于分析，或获取文档元信息用于归档与管理等。
接下来，我们将使用 C# 逐一提取这些内容。
1. 读取幻灯片形状中的文本（支持组合形状）
PowerPoint 中的文本可能直接存在于普通形状中，也可能被存放在组合形状中。为完整提取所有文字内容，必须处理每个形状，包括组合形状内的子形状。
实现步骤：
-
加载演示文稿。
-
遍历所有幻灯片。
-
对每个幻灯片中的形状进行递归检查：
-
如果形状是组合形状（GroupShape），则继续遍历其子形状。
-
如果是普通形状并包含文本内容，则提取并输出其文本内容。
-
实现代码：
using Spire.Presentation;
using System;
namespace ReadPPTExample
{
internal class Program
{
static void Main(string[] args)
{
// 创建Presentation对象并加载文件
var ppt = new Presentation();
ppt.LoadFromFile("输入.pptx");
Console.WriteLine("=== 形状文本（含组合形状） ===");
// 遍历所有幻灯片和形状，提取文本
foreach (ISlide slide in ppt.Slides)
foreach (IShape shape in slide.Shapes)
ExtractText(shape);
// 释放资源
ppt.Dispose();
}
static void ExtractText(IShape shape)
{
// 如果是组合形状，递归遍历子形状
if (shape is GroupShape group)
{
foreach (var child in group.Shapes)
ExtractText(child);
}
// 如果是普通带文本形状，输出文本段落
else if (shape is IAutoShape autoShape && autoShape.TextFrame != null)
{
foreach (var para in autoShape.TextFrame.Paragraphs)
Console.WriteLine(para.Text);
}
}
}
}
2. 读取表格数据
PowerPoint 支持在幻灯片中插入表格，用于展示结构化数据。要提取表格数据，需要遍历所有形状并找到表格，之后遍历表格的所有行和列，并提取每个单元格的内容。
实现步骤：
-
加载 PowerPoint 文件。
-
遍历每张幻灯片。
-
遍历每张幻灯片中的形状集合。
-
判断形状是否为
ITable类型。 -
遍历表格的所有行（
TableRows）和列（ColumnsList）。 -
提取每个单元格中的文本内容。
-
输出表格内容，按幻灯片编号分组。
实现代码：
using Spire.Presentation;
using System;
namespace ReadTableData
{
internal class Program
{
static void Main(string[] args)
{
// 创建演示文稿对象并加载PPTX文件
var ppt = new Presentation();
ppt.LoadFromFile("输入.pptx");
Console.WriteLine("=== 表格数据 ===");
// 遍历所有幻灯片
foreach (ISlide slide in ppt.Slides)
{
// 遍历幻灯片中的所有形状
foreach (IShape shape in slide.Shapes)
{
// 判断形状是否为表格
if (shape is ITable table)
{
Console.WriteLine($"\n幻灯片 {slide.SlideNumber} 中的表格：");
// 遍历表格的所有行
for (int i = 0; i < table.TableRows.Count; i++)
{
// 遍历当前行的所有列
for (int j = 0; j < table.ColumnsList.Count; j++)
{
// 读取单元格文本，空则显示"(empty)"
string text = table[j, i].TextFrame?.Text ?? "(empty)";
Console.Write($"{text}\t");
}
Console.WriteLine();
}
}
}
}
// 释放资源
ppt.Dispose();
}
}
}
3. 读取幻灯片标题和副标题
PowerPoint 幻灯片中的标题和副标题通常以占位符的形式存在，用于标识每页的核心内容。通过识别占位符类型，我们可以提取幻灯片中的标题、居中标题和副标题文本。
实现步骤：
-
加载PowerPoint文件。
-
遍历每张幻灯片。
-
遍历幻灯片中的每个形状，对于每个形状：
-
判断是否为占位符。
-
检查其类型是否为
Title、CenteredTitle或Subtitle。若是，提取其中的文本。
-
-
输出每页幻灯片对应的标题内容。
实现代码：
using Spire.Presentation;
using System;
using System.Collections.Generic;
namespace ReadSlideTitle
{
internal class Program
{
static void Main(string[] args)
{
// 创建演示文稿对象并加载文件
var ppt = new Presentation();
ppt.LoadFromFile("输入.pptx");
Console.WriteLine("=== 幻灯片标题 ===");
int slideIndex = 1;
// 遍历每张幻灯片
foreach (ISlide slide in ppt.Slides)
{
var titleTexts = new List<string>();
// 遍历幻灯片中的所有形状
foreach (IShape shape in slide.Shapes)
{
// 判断形状是否是占位符（Title、CenteredTitle、Subtitle）
if (shape.Placeholder != null)
{
switch (shape.Placeholder.Type)
{
case PlaceholderType.Title:
case PlaceholderType.CenteredTitle:
case PlaceholderType.Subtitle:
// 是带文本的普通形状且文本不为空时，添加到标题列表
if (shape is IAutoShape autoShape &&
!string.IsNullOrWhiteSpace(autoShape.TextFrame?.Text))
{
titleTexts.Add(autoShape.TextFrame.Text.Trim());
}
break;
}
}
}
// 输出当前幻灯片的标题文本
if (titleTexts.Count > 0)
{
Console.WriteLine($"幻灯片 {slideIndex} 标题：");
foreach (var text in titleTexts)
Console.WriteLine($"- {text}");
}
else
{
Console.WriteLine($"幻灯片 {slideIndex} 无标题");
}
slideIndex++;
}
// 释放资源
ppt.Dispose();
}
}
}
4. 提取幻灯片批注
PowerPoint 允许用户添加批注以提供反馈或建议。每条批注包含作者和批注等内容。通过遍历幻灯片批注集合，可批量提取所有批注信息。
实现步骤：
-
加载 PowerPoint 文件。
-
遍历每张幻灯片。
-
遍历当前幻灯片的批注集合：
-
获取并输出每个批注的作者和文本内容。
-
实现代码：
using Spire.Presentation;
using System;
namespace ReadComment
{
internal class Program
{
static void Main(string[] args)
{
// 创建 Presentation 实例
var ppt = new Presentation();
// 加载 PowerPoint 文件
ppt.LoadFromFile("输入.pptx");
// 输出批注信息标题
Console.WriteLine("=== 幻灯片批注 ===");
// 幻灯片编号
int slideIndex = 1;
// 遍历每一张幻灯片
foreach (ISlide slide in ppt.Slides)
{
// 遍历当前幻灯片的所有批注
foreach (Comment comment in slide.Comments)
{
// 输出当前幻灯片的批注内容（含作者）
Console.WriteLine($"Slide {slideIndex}: [{comment.AuthorName}] {comment.Text}");
}
// 幻灯片编号递增
slideIndex++;
}
// 释放资源
ppt.Dispose();
}
}
}
5. 导出幻灯片中的图片
演示文稿中常包含嵌入图片，如产品图、示意图等。可通过识别图片形状类型，将所有图片保存为本地文件，便于后续使用或归档。
实现步骤：
-
加载 PowerPoint 文件。
-
遍历幻灯片集合。
-
遍历每张幻灯片中的形状。
-
判断形状类型是否为
SlidePicture或PictureShape对象。 -
若为图片对象，获取图片并将其保存为本地文件（如 PNG、JPG 格式）。
实现代码：
using Spire.Presentation;
using System.Drawing;
using System.Drawing.Imaging;
using System.IO;
namespace ExtractImages
{
internal class Program
{
static void Main(string[] args)
{
// 创建 Presentation 对象
var ppt = new Presentation();
// 加载 PowerPoint 文件
ppt.LoadFromFile("输入.pptx");
// 创建用于保存图片的文件夹
Directory.CreateDirectory("Slides");
// 初始化幻灯片索引
int slideIndex = 1;
// 遍历每一页幻灯片
foreach (ISlide slide in ppt.Slides)
{
// 每页图片编号从 1 开始
int imageIndex = 1;
// 遍历幻灯片中的所有形状
foreach (IShape shape in slide.Shapes)
{
// 声明用于保存图片的变量
Image image = null;
// 判断是否为 SlidePicture 类型（插入的图片）
if (shape is SlidePicture slidePic)
{
image = slidePic.PictureFill?.Picture?.EmbedImage?.Image;
}
// 判断是否为 PictureShape 类型（占位符或嵌入图片）
else if (shape is PictureShape picShape)
{
image = picShape.EmbedImage?.Image;
}
// 如果获取到了图片，保存为 PNG 文件
if (image != null)
{
string fileName = $"Slides/Slide{slideIndex}_Image{imageIndex}.png";
image.Save(fileName, ImageFormat.Png);
imageIndex++;
}
}
// 处理下一页幻灯片
slideIndex++;
}
// 释放资源
ppt.Dispose();
}
}
}
6. 读取演示文稿元数据
PPT 文件可包含文档属性，包括标题、作者、公司名称、创建时间等，这些信息可用于文件管理、索引或审计用途。
实现步骤：
- 加载演示文稿。
- 获取 DocumentProperty 属性对象。
- 获取并输出常用的元数据字段，如标题、作者、公司等。
实现代码：
using Spire.Presentation;
using System;
namespace ReadMetadata
{
internal class Program
{
static void Main(string[] args)
{
// 创建一个 Presentation 对象
var ppt = new Presentation();
// 加载 PowerPoint 文件
ppt.LoadFromFile("输入.pptx");
// 获取文档的属性信息（元数据）
var prop = ppt.DocumentProperty;
// 输出常见的元数据字段
Console.WriteLine("=== 文档元数据 ===");
Console.WriteLine($"标题: {prop.Title}"); // 文档标题
Console.WriteLine($"作者: {prop.Author}"); // 文档作者
Console.WriteLine($"公司: {prop.Company}"); // 所属公司
Console.WriteLine($"创建时间: {prop.CreatedTime}"); // 创建时间
Console.WriteLine($"修改时间: {prop.LastSavedTime}");// 最后保存时间
// 释放资源
ppt.Dispose();
}
}
}
五、总结
本文详细介绍了如何使用 C# 读取和提取 PowerPoint 文件中的文本、图片、表格、标题、批注和元数据等内容。如果需要处理更复杂的内容，比如图表、动画、嵌入对象，可访问 Spire.Presentation库的官方文档。
本文完结。
扫一扫
1339
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
