从 ODP 或 ODF 文件中提取结构数据

Question

我正在尝试提取 ODP（OpenDocument 演示文稿）文件中的信息层次结构：标题、副标题、body 文本...

您知道可以完成这项工作的任何工具或技术吗？

否则，是否有解析这些 ODP 文档以提取样式信息的方法？ 所以我以后可以从它的样式中推断出文档结构。

恐怕 ODP 文件中 XML 文件的结构可能取决于软件或版本。因此，我宁愿找到一个高级解决方案，也不愿直接解析这个 XML 文件。

Answer 1

由于我找不到任何能够从演示文件中提取大纲、标题、文本...的工具，因此我创建了 Exide，一个支持 ODP、PPTX 的开源 API和 beamer 文件，它启用：

• 幻灯片标题提取
• 幻灯片body文本提取
• Named-entities识别（不准确）
• 强调文字识别
• URL 识别
• 结构检测和轮廓生成
• 识别以下 silde 类型：
  • 简介
  • 结论
  • 定义
  • 例子
  • Table 个内容
  • 参考资料
  • 节header

有关详细信息，请查看 the github page of the project。