PPT Extractor

But et intention utilisateur : Cet extracteur PPT résout le problème d’extraction du texte et des métadonnées à partir de fichiers PowerPoint (.ppt, .pptx). Utilisateurs cibles : chercheurs, enseignants, gestionnaires de connaissances et équipes de contenu qui souhaitent réutiliser le contenu des diapositives, rechercher des archives ou alimenter des pipelines NLP.
Logique principale & fonctionnalités : l’outil accepte un téléversement de fichier PPT/PPTX et analyse le contenu des diapositives via un analyseur PowerPoint conforme. Fonctions obligatoires : extraction de texte par diapositive depuis les formes et tableaux et notes; extraction optionnelle des notes du présentateur et des métadonnées (auteur, date de création, date de modification, nombre de diapositives); sortie en JSON, CSV ou texte simple; maintien de l’ordre des diapositives.
Entrées & sorties : entrées — fichier (PPT/PPTX, requis), champ d’extraction (texte, métadonnées, notes, tableaux; optionnel), format de sortie (JSON/CSV/TXT; optionnel). Sorties — enregistrements par diapositive avec index, contenu de texte, notes et métadonnées; métadonnées globales telles que nom de fichier et nombre total de diapositives.
Algorithmes & cas limites : s’appuie sur une bibliothèque de parsing PowerPoint pour parcourir les diapositives, extraire le texte des formes textuelles et collecter les notes si demandé. Les fichiers PPTX suivent la norme ECMA-376/OpenXML; les dates en métadonnées sont au format ISO. Hypothèses : fichiers PPT/PPTX accessibles ; pas d’OCR sur les images; pas d’extraction de contenu non textuel sauf s’il est textuel; aucune responsabilité sur l’affichage ou le formatage ultérieur.