استخراج نص الأعمدة في ملف PDF
سيرشدك هذا البرنامج التعليمي خلال عملية استخراج نص الأعمدة في ملف PDF باستخدام Aspose.PDF لـ .NET. يوضح كود مصدر C# المقدم الخطوات اللازمة.
متطلبات
قبل أن تبدأ، تأكد من أن لديك ما يلي:
- Visual Studio أو أي مترجم C# آخر مثبت على جهازك.
- Aspose.PDF لمكتبة .NET. يمكنك تنزيله من موقع Aspose الرسمي أو استخدام مدير الحزم مثل NuGet لتثبيته.
الخطوة 1: إعداد المشروع
- قم بإنشاء مشروع C# جديد في بيئة التطوير المفضلة لديك.
- قم بإضافة مرجع إلى Aspose.PDF لمكتبة .NET.
الخطوة 2: استيراد مساحات الأسماء المطلوبة
في ملف التعليمات البرمجية الذي تريد استخراج نص الأعمدة منه، أضف ما يلي باستخدام التوجيهات الموجودة في الجزء العلوي من الملف:
using Aspose.Pdf;
using Aspose.Pdf.Text;
using System.IO;
الخطوة 3: قم بتعيين دليل المستند
في الكود، حدد السطر الذي يقولstring dataDir = "YOUR DOCUMENT DIRECTORY"; واستبدال"YOUR DOCUMENT DIRECTORY" مع المسار إلى الدليل حيث يتم تخزين المستندات الخاصة بك.
الخطوة 4: افتح مستند PDF
افتح مستند PDF موجود باستخدام الملفDocumentمنشئ وتمرير المسار إلى ملف PDF الإدخال.
Document pdfDocument = new Document(dataDir + "ExtractTextPage.pdf");
الخطوة 5: ضبط حجم الخط
قم بتقليل حجم الخط لأجزاء النص بمعامل 0.7 لتحسين إمكانية القراءة وتمثيل النص العمودي بشكل أفضل.
TextFragmentAbsorber tfa = new TextFragmentAbsorber();
pdfDocument.Pages.Accept(tfa);
TextFragmentCollection tfc = tfa.TextFragments;
foreach(TextFragment tf in tfc)
{
tf.TextState.FontSize = tf.TextState.FontSize * 0.7f;
}
الخطوة 6: استخراج النص من الأعمدة
احفظ مستند PDF المعدل في دفق الذاكرة وأعد تحميله كمستند جديد. ثم استخدمTextAbsorber فئة لاستخراج النص من الأعمدة.
Stream st = new MemoryStream();
pdfDocument.Save(st);
pdfDocument = new Document(st);
TextAbsorber textAbsorber = new TextAbsorber();
pdfDocument.Pages.Accept(textAbsorber);
String extractedText = textAbsorber.Text;
textAbsorber.Visit(pdfDocument);
الخطوة 7: احفظ النص المستخرج
احفظ النص المستخرج في ملف نصي في مسار ملف الإخراج المحدد.
dataDir = dataDir + "ExtractColumnsText_out.txt";
File.WriteAllText(dataDir, extractedText);
Console.WriteLine("\nColumns text extracted successfully from Pages of PDF Document.\nFile saved at " + dataDir);
نموذج التعليمات البرمجية المصدر لاستخراج نص الأعمدة باستخدام Aspose.PDF لـ .NET
// المسار إلى دليل المستندات.
string dataDir = "YOUR DOCUMENT DIRECTORY";
// افتح المستند
Document pdfDocument = new Document(dataDir + "ExtractTextPage.pdf");
TextFragmentAbsorber tfa = new TextFragmentAbsorber();
pdfDocument.Pages.Accept(tfa);
TextFragmentCollection tfc = tfa.TextFragments;
foreach (TextFragment tf in tfc)
{
// تحتاج إلى تقليل حجم الخط بنسبة 70% على الأقل
tf.TextState.FontSize = tf.TextState.FontSize * 0.7f;
}
Stream st = new MemoryStream();
pdfDocument.Save(st);
pdfDocument = new Document(st);
TextAbsorber textAbsorber = new TextAbsorber();
pdfDocument.Pages.Accept(textAbsorber);
String extractedText = textAbsorber.Text;
textAbsorber.Visit(pdfDocument);
dataDir = dataDir + "ExtractColumnsText_out.txt";
System.IO.File.WriteAllText(dataDir, extractedText);
Console.WriteLine("\nColumns text extracted successfully from Pages of PDF Document.\nFile saved at " + dataDir);
خاتمة
لقد نجحت في استخراج نص الأعمدة من مستند PDF باستخدام Aspose.PDF لـ .NET. تم حفظ النص المستخرج في ملف الإخراج المحدد.
الأسئلة الشائعة
س: ما هو الغرض من هذا البرنامج التعليمي؟
ج: يقدم هذا البرنامج التعليمي دليلاً خطوة بخطوة حول استخراج أعمدة النص من ملف PDF باستخدام Aspose.PDF لـ .NET. يوفر كود مصدر C# المصاحب عرضًا عمليًا للإجراءات المطلوبة.
س: ما هي مساحات الأسماء التي يجب علي استيرادها؟
ج: في ملف التعليمات البرمجية الذي تنوي استخراج أعمدة نصية فيه، قم بتضمين ما يلي باستخدام التوجيهات في بداية الملف:
using Aspose.Pdf;
using Aspose.Pdf.Text;
using System.IO;
س: كيف أحدد دليل المستندات؟
ج: تحديد موقع الخطstring dataDir = "YOUR DOCUMENT DIRECTORY"; في التعليمات البرمجية واستبدال"YOUR DOCUMENT DIRECTORY" بالمسار الفعلي إلى دليل المستندات الخاص بك.
س: كيف يمكنني فتح مستند PDF موجود؟
ج: في الخطوة 4، ستفتح مستند PDF موجودًا باستخدام الملفDocument منشئ وتوفير المسار إلى ملف PDF الإدخال.
س: لماذا تم تعديل حجم الخط؟
ج: تتضمن الخطوة 5 تقليل حجم خط أجزاء النص بمعامل 0.7. يعمل هذا التعديل على تحسين إمكانية القراءة ويمثل النص العمودي بدقة أكبر.
س: كيف يمكنني استخراج النص من الأعمدة؟
ج: تتكون الخطوة 6 من حفظ مستند PDF المعدل في دفق الذاكرة، وإعادة تحميله كمستند جديد، ثم استخدامTextAbsorber فئة لاستخراج النص من الأعمدة.
س: ما الهدف من حفظ النص المستخرج؟
ج: في الخطوة 7، ستحفظ النص المستخرج في ملف نصي في مسار ملف الإخراج المحدد.
س: لماذا تقليل حجم الخط قبل الاستخراج؟
ج: يساعد تقليل حجم الخط على التأكد من محاذاة النص المستخرج بشكل صحيح داخل الأعمدة، مما يوفر تمثيلاً أكثر دقة للتخطيط الأصلي.
س: ما هي الوجبات الرئيسية من هذا البرنامج التعليمي؟
ج: باتباع هذا البرنامج التعليمي، تكون قد اكتسبت المعرفة والمهارات اللازمة لاستخراج أعمدة النص من مستند PDF باستخدام Aspose.PDF لـ .NET. تم حفظ النص الناتج في ملف الإخراج المحدد.
