学习记录——Java读取pptx

需求要求

• 读取pptx保存到md

Apache POI  是用Java编写的免费开源的跨平台的 Java API，Apache POI提供API给Java程式对Microsoft Office格式档案读和写的功能。POI为"Poor Obfuscation Implementation"的首字母缩写，意为"可怜的模糊实现"。

环境

• java8

• maven

创建一个maven项目

在这里插入图片描述
使用apache接口

https://search.maven.org/artifact/org.lucee/poi/4.1.0/bundle

在这里插入图片描述

在pom.xml加入接口

在这里插入图片描述
可以类导入apache.poi.xslf

• PPTXUtils.java

下面代码有些来源官网

package com.geekbang.ppttools;
// 导入org.apache.poi接口
import com.google.common.base.Splitter;
import org.apache.poi.xslf.usermodel.XMLSlideShow;
import org.apache.poi.xslf.usermodel.XSLFShape;
import org.apache.poi.xslf.usermodel.XSLFSlide;
import org.apache.poi.xslf.usermodel.XSLFTextShape;


import java.io.File;
import java.io.FileInputStream;


public class PPTXUtils {
    public static String getToc(File file) throws Exception {
        //创建一个新的空幻灯片
        XMLSlideShow ppt = new XMLSlideShow(new FileInputStream(file));
        // 拼接字符串
        StringBuilder ret = new StringBuilder();
        // 第一张幻灯片
        XSLFSlide slide = ppt.getSlides().get(0);
        int currCha = -1;
        int count = 1;
        String title = null;
        boolean firstLine = true;

        for (XSLFShape shape : slide.getShapes()) {
            if (shape instanceof XSLFTextShape) {
                XSLFTextShape textShape = (XSLFTextShape) shape;
                String text = textShape.getText();
                try {
                    currCha = Integer.parseInt(text);
                    if (currCha >= 0 && title != null) {
                        ret.append("# ").append(currCha).append('.').append(title).append('\n');
                    }
                    continue;
                } catch (Exception ex) {
                }
                for (String line : Splitter.on("\n").omitEmptyStrings().trimResults().split(text)) {
                    if (firstLine) {
                        title = line;
                        firstLine = false;
                    } else {
                        ret.append(count).append(". ").append(line).append('\n');
                        count++;
                    }
                }
            }
        }
        return ret.toString();
    }
}

• TOCGen.java

// 编译class对应的target路径
package com.geekbang.ppttools;
// 导入读取文件的模块
import java.io.File;
import java.io.FileOutputStream;
import java.io.OutputStreamWriter;
import java.io.PrintWriter;
// 编码
import java.nio.charset.StandardCharsets;

public class TOCGen {
    public static void main(String[] args) throws Exception {
        // toc 所在pptx的路径
        String toc = genTocFromPPTX("D:\\学习资料\\极客时间\\java\\LetsJava\\第六章 Java 编程实战\\06. 一个从 pptx 文件中抽取文字的小工具\\code\\src\\main\\resources\\ppts");
        // new输出一个toc.md 编码utf-8的PrintWriter对象pw
        PrintWriter pw = new PrintWriter(new OutputStreamWriter(new FileOutputStream("toc.md"), StandardCharsets.UTF_8));

        pw.println(toc);
        pw.flush();
        pw.close();
        System.out.println("读取完成");
    }
    // 定义genTocFromPPTX方法  s 参数pptx的路径
    private static String genTocFromPPTX(String s) throws Exception {

        File rootDir = new File(s);
        // new一个StringBuilder
        StringBuilder ret = new StringBuilder("# 0.自我介绍\n\n");
        // 遍历路径的pptx
        for (File pptx : rootDir.listFiles()) {
            if (isThePPT(pptx)) {
                // 调用PPTXUtils类的getToc方法
                ret.append('\n').append(PPTXUtils.getToc(pptx)).append('\n');
            }
        }
        return ret.toString();
    }

    // 定义isThePPT方法
    private static boolean isThePPT(File pptx) {
        String pptxName = pptx.getName();
        if (!pptxName.endsWith("pptx")) {
            return false;
        }
        for (char ch : pptxName.substring(0, pptxName.indexOf('.')).toCharArray()) {
            if (!Character.isDigit(ch)) {
                return false;
            }
        }
        return true;
    }

}

代码链接：

https://github.com/geektime-geekbang/LetsJava