PPT Extractor

Propósito e intenção do usuário: este PPT Extractor resolve o problema de extrair texto e metadados de arquivos PowerPoint (.ppt, .pptx). Usuários-alvo: pesquisadores, docentes, gerentes de conhecimento e equipes de conteúdo que precisam reutilizar conteúdo de slides, pesquisar arquivos ou alimentar pipelines de NLP.
Lógica central e recursos: a ferramenta aceita upload de arquivos e percorre o conteúdo das diapositivas com um analisador PowerPoint compatível com padrões. Funções obrigatórias: extração de texto por diapositiva de formas, tabelas e notas; extração opcional de notas do apresentador e metadados da diapositiva (autor, data de criação, data de modificação, número de diapositivas); saída em JSON, CSV ou texto simples; preservação da ordem das diapositivas.
Entradas e saídas: entradas — arquivo (PPT/PPTX, obrigatório), alcance de extração (texto, metadados, notas, tabelas; opcional), formato de saída (JSON/CSV/TXT; opcional). Saídas — registros por diapositiva com índice de diapositiva, conteúdo textual, notas e metadados; metadados globais como nome do arquivo e total de diapositivas.
Algoritmos e casos limite: nos bastidores utiliza-se uma biblioteca de parsing PowerPoint para percorrer diapositivas, extrair texto de formas com texto e coletar notas se solicitado. Arquivos PPTX seguem o padrão ECMA-376/OpenXML; datas nos metadados são ISO. Suposições: o usuário fornece arquivos PPT/PPTX acessíveis; sem OCR em imagens incorporadas; sem extração de conteúdo gráfico não textual; sem responsabilidade por renderização subsequente.