Discussion :

[cterra]

Bonjour,
J'aimerai extraire l'intégralité texte d'un fichier Powerpoint, j'ai déja essayé plusieurs méthodes peu satisfaisantes.
J'aimerai utiliser cette classe

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
 
import java.io.ByteArrayOutputStream;
import java.io.File;
import java.io.FileInputStream;
import java.io.InputStream;
import org.apache.lucene.document.Document;
import org.apache.lucene.document.Field;
 
import org.apache.poi.poifs.eventfilesystem.POIFSReader;
import org.apache.poi.poifs.eventfilesystem.POIFSReaderEvent;
import org.apache.poi.poifs.eventfilesystem.POIFSReaderListener;
import org.apache.poi.poifs.filesystem.DocumentInputStream;
import org.apache.poi.util.LittleEndian;
 
/**
 *
 * @author  Durot
 */
public class MSPowerPointParser implements YourParserGeneral, POIFSReaderListener {
    private InputStream input;
    private String title;
    private ByteArrayOutputStream writer;
 
    /** Creates a new instance of OooWriter */
    public MSPowerPointParser() {
    }
 
    public Document parse(File file) throws Exception {
        input = new FileInputStream(file);
        title = file.getName().substring(0, file.getName().lastIndexOf("."));
        return parse();
    }
 
    public Document parse(InputStream in) throws Exception {
        this.input = in;
        title = "";
        return parse();
    }
 
    public Document parse(String fileName) throws Exception {
        input = new FileInputStream(fileName);
        title = fileName.substring(0, fileName.lastIndexOf("."));
        return parse();
    }
 
    private Document parse() throws Exception {
        try {
            Document doc = new Document();
 
            doc.add(Field.Text("title", this.title));
            doc.add(Field.Text("contents", this.getContents()));
 
            return doc;
        } catch (Exception ex) {
            throw ex;
        } finally {
            if (input != null) {
                try {
                    input.close();
                } catch (Exception ex) {
 
                }
            }
        }
    }
 
    private String getContents() throws Exception {
        String contents = "";
        try {
            POIFSReader reader = new POIFSReader();
            writer = new ByteArrayOutputStream();
            reader.registerListener(this);
            reader.read(input);
            contents = writer.toString();
        } catch (Exception ex) {
            throw ex;
        }
 
        return contents;
    }
 
    public void processPOIFSReaderEvent(POIFSReaderEvent event) {
        try{
            if(!event.getName().equalsIgnoreCase("PowerPoint Document"))
                return;
 
            DocumentInputStream input = event.getStream();
 
            byte[] buffer = new byte[input.available()];
            input.read(buffer, 0, input.available());
 
            for(int i=0; i<buffer.length-20; i++) {
                long type = LittleEndian.getUShort(buffer,i+2);
                long size = LittleEndian.getUInt(buffer,i+4);
 
                if(type==4008) {
                    writer.write(buffer, i + 4 + 1, (int) size +3);
                    i = i + 4 + 1 + (int) size - 1;
 
                }
                try {
                    Thread.sleep(10);
                } catch (Exception ex) {
                }
            }
        } catch (Exception ex) { 
            ex.printStackTrace();
        }
    }
}

http://www.jguru.com/faq/view.jsp?EID=1211786

Cependant mon objet Field ne dispose pas de la méthode .Text(String,String)
Je suppose qu'elle devait être dans l'implémentation "YourParserGeneral", j'ai cherché une classe à importer pour disposer de cette fonction mais en vain

Si quelqun aurait une solution ou un code EFFICACE pour extraire du texte d'un powerpoint ça me serait très utile

[cterra]

Finallement j'ai un peu relu tout le site et

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
 
 PowerPointExtractor truc = new PowerPointExtractor(nomtraitement);//nomtraitement est un filename 
 monparser.texteparse = truc.getText();

Voila , c'est simple et j'ai pas eut de meilleur résultat avec tout ce que j'ai essayé , cependant j'ai toujours ce problème de petit carré quand je stocke mon résultat dans un fichier texte

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
 
try{
            	if (monparser.texteparse.length() > 1){
            progressinfo.setString("sauvegarde des fichiers du résultat : "+a+" "+moteur);
            lien = new FileOutputStream(path+"/"+moteur+" ("+langagechoisi+")/"+"lien"+a+".txt");  //création du fichier stockant le contenu de l'url
            lien.write((url+"\r\n\r\n"+monparser.texteparse).getBytes());
            lien.close();
            	}

Je ne m'y connais pas encore assez mais je pense que je perds des informations lors de mes conversions de gettext qui me renvoie un String , puis getBytes() qui reconverti en tableau de byte.

Ya t'il une solution pour ne plus avoir ces petits carrés dans mon fichier texte, alors qu'ils représentent des retours chariots quand je les copie colle dans eclipse ?????