Extrahujte text z oblasti stránky v souboru PDF

Tento tutoriál vás provede procesem extrahování textu z konkrétní oblasti na stránce v souboru PDF pomocí Aspose.PDF pro .NET. Poskytnutý zdrojový kód C# ukazuje potřebné kroky.

Požadavky

Než začnete, ujistěte se, že máte následující:

  • Visual Studio nebo jakýkoli jiný kompilátor C# nainstalovaný na vašem počítači.
  • Aspose.PDF pro knihovnu .NET. Můžete si jej stáhnout z oficiálního webu Aspose nebo jej nainstalovat pomocí správce balíčků, jako je NuGet.

Krok 1: Nastavte projekt

  1. Vytvořte nový projekt C# ve vámi preferovaném vývojovém prostředí.
  2. Přidejte odkaz na knihovnu Aspose.PDF for .NET.

Krok 2: Importujte požadované jmenné prostory

Do souboru kódu, kam chcete extrahovat text, přidejte následující pomocí direktiv v horní části souboru:

using Aspose.Pdf;
using System.IO;

Krok 3: Nastavte adresář dokumentů

V kódu vyhledejte řádek, který říkástring dataDir = "YOUR DOCUMENT DIRECTORY"; a nahradit"YOUR DOCUMENT DIRECTORY" s cestou k adresáři, kde jsou uloženy vaše dokumenty.

Krok 4: Otevřete dokument PDF

Otevřete existující dokument PDF pomocíDocumentkonstruktoru a předání cesty ke vstupnímu souboru PDF.

Document pdfDocument = new Document(dataDir + "ExtractTextAll.pdf");

Krok 5: Extrahujte text z oblasti stránky

VytvořitTextAbsorber objekt pro extrahování textu z dokumentu. NakonfigurujteTextSearchOptions pro omezení hledání na konkrétní oblast stránky definovanou obdélníkem.

TextAbsorber absorb = new TextAbsorber();
absorb.TextSearchOptions.LimitToPageBounds = true;
absorb.TextSearchOptions.Rectangle = new Aspose.Pdf.Rectangle(100, 200, 250, 350);
pdfDocument.Pages[1].Accept(absorb);

Krok 6: Získejte extrahovaný text

Přístup k extrahovanému textu zTextAbsorber objekt.

string extractedText = absorb.Text;

Krok 7: Uložte extrahovaný text

VytvořitTextWriter a otevřete soubor, kam chcete extrahovaný text uložit. Zapište extrahovaný text do souboru a zavřete stream.

TextWriter tw = new StreamWriter(dataDir + "extracted-text.txt");
tw.WriteLine(extractedText);
tw. Close();

Ukázka zdrojového kódu pro extrahování textu z oblasti stránky pomocí Aspose.PDF pro .NET

// Cesta k adresáři dokumentů.
string dataDir = "YOUR DOCUMENT DIRECTORY";
// Otevřete dokument
Document pdfDocument = new Document(dataDir + "ExtractTextAll.pdf");
// Vytvořte objekt TextAbsorber pro extrahování textu
TextAbsorber absorber = new TextAbsorber();
absorber.TextSearchOptions.LimitToPageBounds = true;
absorber.TextSearchOptions.Rectangle = new Aspose.Pdf.Rectangle(100, 200, 250, 350);
// Přijměte absorbér pro první stránku
pdfDocument.Pages[1].Accept(absorber);
// Získejte extrahovaný text
string extractedText = absorber.Text;
// Vytvořte zapisovač a otevřete soubor
TextWriter tw = new StreamWriter(dataDir + "extracted-text.txt");
// Napište do souboru řádek textu
tw.WriteLine(extractedText);
// Zavřete stream
tw.Close();

Závěr

Úspěšně jste extrahovali text z určité oblasti na stránce dokumentu PDF pomocí Aspose.PDF pro .NET. Extrahovaný text byl uložen do zadaného výstupního souboru.

FAQ

Otázka: Jaký je účel tohoto tutoriálu?

Odpověď: Tento tutoriál vás provede procesem extrahování textu z konkrétní oblasti na stránce do souboru PDF pomocí Aspose.PDF for .NET. Doprovodný zdrojový kód C# poskytuje podrobné pokyny pro provedení tohoto úkolu.

Otázka: Jaké jmenné prostory mám importovat?

Odpověď: Do souboru s kódem, ze kterého chcete extrahovat text, zahrňte na začátek souboru následující pomocí direktiv:

using Aspose.Pdf;
using System.IO;

Otázka: Jak určím adresář dokumentů?

A: Najděte linkustring dataDir = "YOUR DOCUMENT DIRECTORY"; v kódu a nahradit"YOUR DOCUMENT DIRECTORY" se skutečnou cestou k vašemu adresáři dokumentů.

Otázka: Jak otevřu existující dokument PDF?

Odpověď: V kroku 4 otevřete existující dokument PDF pomocíDocument konstruktoru a poskytnutí cesty ke vstupnímu souboru PDF.

Otázka: Jak extrahuji text z určité oblasti stránky?

Odpověď: Krok 5 zahrnuje vytvoření aTextAbsorberobjekt pro extrahování textu z dokumentu PDF. Poté nakonfigurujeteTextSearchOptions k definování konkrétní obdélníkové oblasti na stránce pomocí souřadnic.

Otázka: Jak se dostanu k extrahovanému textu?

Odpověď: Krok 6 vás provede přístupem k extrahovanému textu zTextAbsorber objekt.

Otázka: Jak uložím extrahovaný text do souboru?

Odpověď: V kroku 7 vytvoříte aTextWriter, otevřete soubor, do kterého chcete uložit extrahovaný text, zapište extrahovaný text do souboru a poté stream zavřete.

Otázka: Jaký je hlavní přínos tohoto tutoriálu?

Odpověď: Podle tohoto kurzu jste se naučili, jak extrahovat text z určité oblasti na stránce dokumentu PDF pomocí Aspose.PDF for .NET. Extrahovaný text byl uložen do určeného výstupního souboru, což vám umožňuje přesně zacílit a analyzovat požadovaný textový obsah.

Extrahovat text vše v souboru PDF Extrahujte textovou stránku v souboru PDF