PPT Extractor

Doel en intentie van de gebruiker: deze PPT-extractor lost het probleem op van het extraheren van tekst en metadata uit PowerPoint-bestanden (.ppt, .pptx). Doelgroepen zijn onderzoekers, docenten, kennisbeheerders en content-teams die dia-inhoud willen hergebruiken, archieven willen doorzoeken of NLP-pijplijnen willen voeden.
Kernlogica & functies: de tool accepteert bestanduploads en doorloopt dia-inhoud met een standaard PowerPoint-parser. Verplichte functies: per-dia tekstextractie uit vormen, tabellen en notities; optionele extractie van sprekernotes en dia-metagegevens (auteur, aanmaakdatum, wijzigingsdatum, aantal dia’s); uitvoer in JSON, CSV of platte tekst; behoud van volgorde van dia’s.
In- en outputs: input-velden omvatten bestand (PPT/PPTX, verplicht), extractie-bereik (tekst, metadata, notities, tabellen; optioneel), uitvoerformaat (JSON/CSV/TXT; optioneel). Output omvat per-dia records met dia_index, tekstinhoud, notities en metadata; algemene metadata zoals bestandsnaam en totaal aantal dia’s.
Algoritmen & randgevallen: onder de motorkap gebruikt het systeem een PowerPoint-parser-bibliotheek om dia’s te doorlopen, tekst te extraheren uit alle tekstdragende vormen en notities te verzamelen indien gevraagd. PPTX-bestanden volgen de ECMA-376/OpenXML-standaard; datumvelden in metadata zijn ISO-geformatteerd. Aannames & uitsluitingen: gebruikers leveren beschikbare PPT/PPTX-bestanden; geen OCR op ingesloten afbeeldingen; geen extractie van niet-tekstuele grafische inhoud; geen verantwoordelijkheid voor downstream rendering.