PPT Extractor

Scopo e intento dell’utente: questo PPT Extractor risolve il problema di estrarre testo e metadati dai file PowerPoint (.ppt, .pptx). Utenti target: ricercatori, insegnanti, gestori di conoscenza e team di contenuti che need riutilizzare contenuti diapositive, cercare archivi o alimentare pipeline NLP.
Logica centrale e funzionalità: lo strumento accetta caricamenti di file e analizza i contenuti delle diapositive tramite un parser PowerPoint conforme agli standard. Funzioni obbligatorie: estrazione testo per diapositiva da forme, tabelle e appunti; estrazione opzionale di note del relatore e metadati della diapositiva (autore, data creazione, data modifica, numero di diapositive); output in JSON, CSV o testo semplice; mantenimento dell’ordine delle diapositive.
Ingressi e uscite: input — file (PPT/PPTX, richiesto), ambito di estrazione (testo, metadati, note, tabelle; opzionale), formato di output (JSON/CSV/TXT; opzionale). Output — record per diapositiva con indice, contenuto testuale, note e metadati; metadati globali come nome file e numero totale di diapositive.
Algoritmi e casi limite: a livello interno utilizza una libreria di parsing PowerPoint per attraversare le diapositive, estrarre il testo da tutte le forme testuali e raccogliere note quando richiesto. I file PPTX seguono lo standard ECMA-376/OpenXML; le date nei metadati sono ISO. Assunzioni: l’utente fornisce file PPT/PPTX accessibili; nessun OCR su immagini incorporate; nessuna estrazione di contenuti grafici non testuali; responsabilità limitata per rendering successivo.