Extrahieren Sie Absätze in einer PDF-Datei

Dieses Tutorial führt Sie durch den Prozess des Extrahierens von Absätzen in eine PDF-Datei mit Aspose.PDF für .NET. Der bereitgestellte C#-Quellcode demonstriert die notwendigen Schritte.

Anforderungen

Bevor Sie beginnen, stellen Sie sicher, dass Sie über Folgendes verfügen:

• Visual Studio oder ein anderer auf Ihrem Computer installierter C#-Compiler.
• Aspose.PDF für .NET-Bibliothek. Sie können es von der offiziellen Aspose-Website herunterladen oder einen Paketmanager wie NuGet verwenden, um es zu installieren.

Schritt 1: Richten Sie das Projekt ein

1. Erstellen Sie ein neues C#-Projekt in Ihrer bevorzugten Entwicklungsumgebung.
2. Fügen Sie einen Verweis auf die Aspose.PDF für .NET-Bibliothek hinzu.

Schritt 2: Erforderliche Namespaces importieren

Fügen Sie in der Codedatei, in die Sie Absätze extrahieren möchten, am Anfang der Datei die folgenden using-Anweisungen hinzu:

using Aspose.Pdf;
using System;
using System.Text;

Schritt 3: Legen Sie das Dokumentverzeichnis fest

Suchen Sie im Code die Zeile mit der Aufschriftstring dataDir = "YOUR DOCUMENT DIRECTORY"; und ersetzen"YOUR DOCUMENT DIRECTORY" mit dem Pfad zu dem Verzeichnis, in dem Ihre Dokumente gespeichert sind.

Schritt 4: Öffnen Sie das PDF-Dokument

Öffnen Sie ein vorhandenes PDF-Dokument mitDocumentKonstruktor und Übergabe des Pfads zur Eingabe-PDF-Datei.

Document doc = new Document(dataDir + "input.pdf");

Schritt 5: Absätze extrahieren

Instanziieren Sie dieParagraphAbsorber Klasse und verwenden Sie esVisit Methode zum Extrahieren von Absätzen aus dem Dokument.

ParagraphAbsorber absorb = new ParagraphAbsorber();
absorb.Visit(doc);

Schritt 6: Durchgehen Sie die Absätze

Durchlaufen Sie die extrahierten Absätze, um auf den Textinhalt zuzugreifen. Verwenden Sie verschachtelte Schleifen, um Abschnitte und Zeilen innerhalb jedes Absatzes zu durchlaufen.

foreach(PageMarkup markup in absorber.PageMarkups)
{
     int i = 1;
     foreach(MarkupSection section in markup.Sections)
     {
         int j = 1;
         foreach(MarkupParagraph paragraph in section.Paragraphs)
         {
             StringBuilder paragraphText = new StringBuilder();
             foreach(List<TextFragment> line in paragraph.Lines)
             {
                 foreach(TextFragment fragment in line)
                 {
                     paragraphText.Append(fragment.Text);
                 }
                 paragraphText. Append("\r\n");
             }
             paragraphText. Append("\r\n");
             Console.WriteLine("Paragraph {0} of section {1} on page {2}:", j, i, markup.Number);
             Console.WriteLine(paragraphText.ToString());
             j++;
         }
         i++;
     }
}

Beispielquellcode zum Extrahieren von Absätzen mit Aspose.PDF für .NET

// Der Pfad zum Dokumentenverzeichnis.
string dataDir = "YOUR DOCUMENT DIRECTORY";
//Öffnen Sie eine vorhandene PDF-Datei
Document doc = new Document(dataDir + "input.pdf");
// ParagraphAbsorber instanziieren
ParagraphAbsorber absorber = new ParagraphAbsorber();
absorber.Visit(doc);
foreach (PageMarkup markup in absorber.PageMarkups)
{
	int i = 1;
	foreach (MarkupSection section in markup.Sections)
	{
		int j = 1;
		foreach (MarkupParagraph paragraph in section.Paragraphs)
		{
			StringBuilder paragraphText = new StringBuilder();
			foreach (List<TextFragment> line in paragraph.Lines)
			{
				foreach (TextFragment fragment in line)
				{
					paragraphText.Append(fragment.Text);
				}
				paragraphText.Append("\r\n");
			}
			paragraphText.Append("\r\n");
			Console.WriteLine("Paragraph {0} of section {1} on page {2}:", j, i, markup.Number);
			Console.WriteLine(paragraphText.ToString());
			j++;
		}
		i++;
	}
}

Abschluss

Sie haben mit Aspose.PDF für .NET erfolgreich Absätze aus einem PDF-Dokument extrahiert. Die extrahierten Absätze wurden im Konsolenfenster angezeigt.

FAQs

F: Was ist der Zweck dieses Tutorials?

A: Dieses Tutorial soll Sie durch den Prozess des Extrahierens von Absätzen aus einer PDF-Datei mit Aspose.PDF für .NET führen. Der zugehörige C#-Quellcode bietet praktische Schritte zum Erreichen dieser Aufgabe.

F: Welche Namespaces sollte ich importieren?

A: Fügen Sie in der Codedatei, in die Sie Absätze extrahieren möchten, die folgenden using-Anweisungen am Anfang der Datei ein:

using Aspose.Pdf;
using System;
using System.Text;

F: Wie lege ich das Dokumentenverzeichnis fest?

A: Suchen Sie die Zeilestring dataDir = "YOUR DOCUMENT DIRECTORY"; im Code einfügen und ersetzen"YOUR DOCUMENT DIRECTORY" mit dem tatsächlichen Pfad zu Ihrem Dokumentverzeichnis.

F: Wie öffne ich ein vorhandenes PDF-Dokument?

A: In Schritt 4 öffnen Sie ein vorhandenes PDF-Dokument mitDocument Konstruktor und stellt den Pfad zur Eingabe-PDF-Datei bereit.

F: Wie extrahiere ich Absätze aus dem Dokument?

A: Schritt 5 umfasst das Erstellen einer Instanz vonParagraphAbsorber Klasse und deren VerwendungVisit Methode zum Extrahieren von Absätzen aus dem PDF-Dokument.

F: Wie kann ich die extrahierten Absätze durchlaufen?

A: Schritt 6 führt Sie durch das Durchlaufen der extrahierten Absätze. Verschachtelte Schleifen werden verwendet, um Abschnitte und Zeilen innerhalb jedes Absatzes zu durchlaufen und letztendlich auf den Textinhalt zuzugreifen und ihn anzuzeigen.

F: Was ist die wichtigste Erkenntnis aus diesem Tutorial?

A: Durch die Befolgung dieses Tutorials haben Sie gelernt, wie Sie mit Aspose.PDF für .NET Absätze aus einem PDF-Dokument extrahieren. Die extrahierten Absätze wurden im Konsolenfenster angezeigt und bieten Ihnen wertvolle Einblicke in die Inhaltsstruktur des Dokuments.