如何使用 Java 提取 PPT 中的文字：整份文档、指定幻灯片与表格内容

原创

用户12416476

发布于 2026-10-16 14:03:20

有时需要把 PowerPoint 中的文字单独提取出来，例如整理培训课件、汇总会议材料，或者将 PPT 内容保存为文本文件，方便后续搜索和处理。

如果只是几页幻灯片，直接复制文字即可。但当 PPT 页数较多，或者只需要提取特定页面和表格中的内容时，通过 Java 处理会更方便。

本文介绍三种操作：提取整个 PPT 的普通文本、提取指定幻灯片中的文字，以及读取 PPT 表格中的文本。

一、添加 Maven 依赖

首先，在 Java 项目的 pom.xml 中添加以下 Maven 仓库和依赖：

<repositories>
    <repository>
        <id>com.e-iceblue</id>
        <name>e-iceblue</name>
        <url>https://repo.e-iceblue.cn/repository/maven-public/</url>
    </repository>
</repositories>

<dependencies>
    <dependency>
        <groupId>e-iceblue</groupId>
        <artifactId>spire.presentation</artifactId>
        <version>11.9.10</version>
    </dependency>
</dependencies>

下面使用一个名为 report.pptx 的 PowerPoint 文件作为示例，假设其中包含标题、正文、项目进度说明和数据表格等内容。

所有示例都使用这个文件作为输入，并将提取的文字保存为 UTF-8 编码的 TXT 文件。

二、提取整个 PowerPoint 中的普通文本

如果需要读取所有幻灯片中的标题和正文，可以遍历幻灯片上的形状对象，找到包含文字的自动形状，然后逐段提取内容。

在 PowerPoint 中，文本框、标题占位符以及部分带文字的图形通常都可以通过 IAutoShape 访问。

ParagraphEx.getText() 方法则用于读取其中某个段落的文本。

完整代码如下：

import com.spire.presentation.*;

import java.nio.charset.StandardCharsets;
import java.nio.file.Files;
import java.nio.file.Paths;

public class ExtractAllPPTText {

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

        // 创建 Presentation 对象
        Presentation presentation = new Presentation();

        try {
            // 加载 PPT 文件
            presentation.loadFromFile("report.pptx");

            // 保存提取结果
            StringBuilder result = new StringBuilder();

            // 遍历所有幻灯片
            for (int i = 0;
                 i < presentation.getSlides().getCount();
                 i++) {

                ISlide slide = presentation.getSlides().get(i);

                // 标记幻灯片编号
                result.append("第 ")
                      .append(i + 1)
                      .append(" 页")
                      .append(System.lineSeparator());

                // 遍历当前幻灯片中的所有形状
                for (Object shape : slide.getShapes()) {

                    if (shape instanceof IAutoShape) {

                        IAutoShape autoShape = (IAutoShape) shape;

                        // 遍历形状中的段落
                        for (Object item :
                                autoShape.getTextFrame()
                                         .getParagraphs()) {

                            ParagraphEx paragraph =
                                    (ParagraphEx) item;

                            String text = paragraph.getText();

                            if (text != null &&
                                    !text.trim().isEmpty()) {
                                result.append(text)
                                      .append(System.lineSeparator());
                            }
                        }
                    }
                }

                result.append(System.lineSeparator());
            }

            // 保存为 UTF-8 文本文件
            Files.write(
                    Paths.get("ppt-all-text.txt"),
                    result.toString()
                          .getBytes(StandardCharsets.UTF_8));

            System.out.println("文本提取完成");

        } finally {
            // 释放资源
            presentation.dispose();
        }
    }
}

运行后，程序会生成 ppt-all-text.txt。提取结果按照幻灯片顺序排列，并在每页内容前添加页码，方便区分文字来自哪一页。

代码中的主要操作包括：

getSlides()：获取演示文稿的幻灯片集合。
getShapes()：获取幻灯片上的形状对象。
getTextFrame().getParagraphs()：获取形状中的文本段落。
ParagraphEx.getText()：读取段落的文字内容。

这里需要注意，提取所有幻灯片的普通文本，并不等于提取 PPT 中所有类型的文字。

上述代码只处理 IAutoShape 中的文本。对于表格单元格、备注、图表标签或图片里的文字，需要根据具体对象类型采用其他处理方式。

另外，文字的提取顺序取决于幻灯片中的形状排列顺序，不一定与人眼看到的阅读顺序完全一致。

三、提取指定幻灯片中的文字

有时只需要提取某一页的内容，例如获取第 3 页的项目进度说明，没有必要遍历整份 PPT。

可以通过 presentation.getSlides().get(index) 获取指定幻灯片，再提取其中的文本。

下面的代码以第 3 页为例：

import com.spire.presentation.*;

import java.nio.charset.StandardCharsets;
import java.nio.file.Files;
import java.nio.file.Paths;

public class ExtractSingleSlideText {

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

        Presentation presentation = new Presentation();

        try {
            // 加载 PPT 文件
            presentation.loadFromFile("report.pptx");

            // 指定需要提取的页码
            int slideNumber = 3;

            // 检查页码是否有效
            if (slideNumber < 1 ||
                    slideNumber > presentation.getSlides().getCount()) {
                throw new IllegalArgumentException(
                        "指定的幻灯片不存在");
            }

            // 获取指定幻灯片
            ISlide slide = presentation.getSlides()
                    .get(slideNumber - 1);

            StringBuilder result = new StringBuilder();

            // 遍历当前幻灯片中的形状
            for (Object shape : slide.getShapes()) {

                if (shape instanceof IAutoShape) {

                    IAutoShape autoShape = (IAutoShape) shape;

                    // 提取形状中的各个段落
                    for (Object item :
                            autoShape.getTextFrame()
                                     .getParagraphs()) {

                        ParagraphEx paragraph =
                                (ParagraphEx) item;

                        String text = paragraph.getText();

                        if (text != null &&
                                !text.trim().isEmpty()) {
                            result.append(text)
                                  .append(System.lineSeparator());
                        }
                    }
                }
            }

            // 保存提取结果
            Files.write(
                    Paths.get("slide-3-text.txt"),
                    result.toString()
                          .getBytes(StandardCharsets.UTF_8));

            System.out.println("第 3 页文本提取完成");

        } finally {
            presentation.dispose();
        }
    }
}

这段代码与前面的整体提取方式类似，区别在于只处理一张幻灯片。

需要注意的是，PowerPoint 幻灯片的集合索引从 0 开始。

也就是说：

get(0) 对应第 1 页。
get(1) 对应第 2 页。
get(2) 对应第 3 页。

因此，代码通过 slideNumber - 1 将实际页码转换为集合索引。

示例还检查了指定页码是否有效，避免在 PPT 页数不足时访问不存在的幻灯片。

如果需要提取多个指定页面，可以准备一个页码数组，逐个获取对应的幻灯片，而不必处理其他页面。

四、提取 PPT 表格中的文字

PowerPoint 幻灯片除了标题和正文，还可能包含表格。例如项目进度表、费用清单或数据对比表。

表格中的文字存储在单元格中，因此不能只依靠前面针对 IAutoShape 的遍历方式获取。

可以先判断形状是否为 ITable，然后遍历表格中的行和列，通过单元格的 getTextFrame().getText() 方法读取文字。

下面的示例会遍历 PPT 中的所有幻灯片，查找其中的表格，并将表格内容保存为制表符分隔的文本文件。

import com.spire.presentation.*;

import java.nio.charset.StandardCharsets;
import java.nio.file.Files;
import java.nio.file.Paths;

public class ExtractPPTTableText {

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

        Presentation presentation = new Presentation();

        try {
            // 加载 PPT 文件
            presentation.loadFromFile("report.pptx");

            StringBuilder result = new StringBuilder();

            // 遍历所有幻灯片
            for (int i = 0;
                 i < presentation.getSlides().getCount();
                 i++) {

                ISlide slide = presentation.getSlides().get(i);

                // 遍历幻灯片中的形状
                for (Object shape : slide.getShapes()) {

                    if (shape instanceof ITable) {

                        ITable table = (ITable) shape;

                        result.append("第 ")
                              .append(i + 1)
                              .append(" 页中的表格")
                              .append(System.lineSeparator());

                        // 获取表格行数和列数
                        int rowCount =
                                table.getTableRows().getCount();

                        int columnCount =
                                table.getColumnsList().getCount();

                        // 遍历表格中的每个单元格
                        for (int row = 0; row < rowCount; row++) {

                            for (int col = 0;
                                 col < columnCount;
                                 col++) {

                                // 读取单元格文字
                                String text = table.get(col, row)
                                        .getTextFrame()
                                        .getText();

                                if (text != null) {
                                    // 避免单元格中的换行破坏文本结构
                                    text = text.replace("\r", " ")
                                               .replace("\n", " ")
                                               .replace("\t", " ");
                                    result.append(text);
                                }

                                // 使用制表符分隔不同列
                                if (col < columnCount - 1) {
                                    result.append("\t");
                                }
                            }

                            result.append(System.lineSeparator());
                        }

                        result.append(System.lineSeparator());
                    }
                }
            }

            // 保存文本文件
            Files.write(
                    Paths.get("ppt-table-text.txt"),
                    result.toString()
                          .getBytes(StandardCharsets.UTF_8));

            System.out.println("PPT 表格文字提取完成");

        } finally {
            presentation.dispose();
        }
    }
}

这里有三个关键方法：

getTableRows().getCount() 用于获取表格的行数。

getColumnsList().getCount() 用于获取表格的列数。

table.get(col, row) 用于获取指定单元格。注意这个方法接收的参数顺序是列索引在前、行索引在后，两个索引都从 0 开始。

获取单元格后，使用 getTextFrame().getText() 读取其中的文字。

假设 PPT 中有这样一张表格：

项目	负责人	进度
模块 A	张三	已完成
模块 B	李四	进行中

提取后的文本大致如下：

第 2 页中的表格
项目	负责人	进度
模块 A	张三	已完成
模块 B	李四	进行中

不同列之间使用制表符分隔，因此将结果导入其他表格处理程序时，也比较容易区分各列。

需要注意，如果原表格包含合并单元格，直接按行列遍历可能产生空白或重复位置。这个示例适合普通规则表格，对于包含大量合并单元格的情况，需要根据实际结构进一步处理。

五、提取 PPT 文字时需要注意的问题

1. 图片中的文字不能直接提取

如果 PPT 中的文字实际上是一张图片，例如截图、扫描件或嵌入的流程图图片，那么 getText() 无法直接识别其中的文字。

这类内容需要通过 OCR 技术识别，不能和普通文本提取混为一谈。

2. 普通形状、表格和备注属于不同对象

本文前两个示例处理的是文本框等自动形状中的文字，第三个示例则专门读取表格单元格。

演讲者备注、图表中的数据标签、组合形状内部的文字等可能需要额外处理。因此，如果需要提取 PPT 的全部可见文字，应根据实际文件结构检查是否存在遗漏。

3. 提取结果不会保留原始排版

TXT 文件主要保存文字内容，不包含 PowerPoint 原有的字体、字号、颜色或页面布局。

如果需要保留标题层级、表格结构等信息，可以在提取时增加相应的标记，或者改用更适合保存结构化内容的输出格式。

4. 中文文本建议使用 UTF-8 编码

本文使用 StandardCharsets.UTF_8 保存文本文件，主要是为了避免中文内容在不同操作系统之间传递时出现编码问题。

如果使用 Java 的 FileWriter，也需要留意运行环境的默认字符编码，尤其是在不同版本的 JDK 和操作系统上运行时。

六、总结

使用 Java 提取 PowerPoint 中的文字，关键在于根据文本所在的对象选择处理方式。

实际处理时，建议先确认 PPT 中的文字属于普通文本、表格还是图片，再选择相应的提取方式，避免遗漏内容。

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

java