PPT Extractor

Syfte och användarintention: Denna PPT-extraktor löser problemet med att extrahera text och metadata från PowerPoint-filer (.ppt, .pptx). Målgrupp: forskare, lärare, kunskapsförvaltare och innehållsteam som vill återanvända diainnehåll eller mata NLP-pipelines.
Huvudlogik & funktioner: Verktyget accepterar filuppladdning och analyserar diasinnehåll med en standard PowerPoint-parser. Obligatoriska funktioner: per-dia textutvinning ur former, tabeller och anteckningar; valfri hämtning av presentatörsanteckningar och dia-metadater (författare, skapandedatum, ändringsdatum, antal dior); utskrift i JSON, CSV eller ren text; bevarande av dians ordningsföljd.
In- och utdata: Input — fil (PPT/PPTX, krav), extraktionsomfång (text, metadata, anteckningar, tabeller; valfritt), utmatningsformat (JSON/CSV/TXT; valfritt). Output — per-dia poster med diaindex, textinnehåll, anteckningar och metadata; övergripande metadata som filnamn och totalt antal dior.
Algoritmer & gränsvärden: Under huven används en PowerPoint-parserbibliotek för att traversera dior, extrahera text ur alla textbärande former och samla anteckningar vid begäran. PPTX-filer följer ECMA-376/OpenXML-standarden; datum i metadata är ISO-formaterade. Antaganden: användaren tillhandahåller tillgängliga PPT/PPTX-filer; inget OCR på inbäddade bilder; ingen extraktion av icke-tekstual grafik; inget ansvar för efterföljande renderering.