Extrahujte textovou stránku v souboru PDF
Tento tutoriál vás provede procesem extrahování textu z konkrétní stránky v souboru PDF pomocí Aspose.PDF for .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
- Vytvořte nový projekt C# ve vámi preferovaném vývojovém prostředí.
- 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 pomocíDocument
konstruktoru a předání cesty ke vstupnímu souboru PDF.
Document pdfDocument = new Document(dataDir + "ExtractTextPage.pdf");
Krok 5: Extrahujte text z konkrétní stránky
VytvořitTextAbsorber
objekt pro extrahování textu z dokumentu. Přijměte absorbér pro požadovanou stránku tím, že k ní přistoupíte přesPages
sbírkapdfDocument
.
TextAbsorber textAbsorber = new TextAbsorber();
pdfDocument.Pages[1].Accept(textAbsorber);
Krok 6: Získejte extrahovaný text
Přístup k extrahovanému textu zTextAbsorber
objekt.
string extractedText = textAbsorber.Text;
Krok 7: Uložte extrahovaný text
VytvořitTextWriter
a otevřete soubor, kam chcete extrahovaný text uložit. Zapište extrahovaný text do souboru a zavřete stream.
dataDir = dataDir + "extracted-text_out.txt";
TextWriter tw = new StreamWriter(dataDir);
tw.WriteLine(extractedText);
tw. Close();
Ukázkový zdrojový kód pro extrahovat textovou stránku pomocí Aspose.PDF pro .NET
// Cesta k adresáři dokumentů.
string dataDir = "YOUR DOCUMENT DIRECTORY";
// Otevřete dokument
Document pdfDocument = new Document(dataDir + "ExtractTextPage.pdf");
// Vytvořte objekt TextAbsorber pro extrahování textu
TextAbsorber textAbsorber = new TextAbsorber();
//Přijměte absorbér pro konkrétní stránku
pdfDocument.Pages[1].Accept(textAbsorber);
// Získejte extrahovaný text
string extractedText = textAbsorber.Text;
dataDir = dataDir + "extracted-text_out.txt";
// Vytvořte zapisovač a otevřete soubor
TextWriter tw = new StreamWriter(dataDir);
// Napište do souboru řádek textu
tw.WriteLine(extractedText);
// Zavřete stream
tw.Close();
Console.WriteLine("\nText extracted successfully from Pages of PDF Document.\nFile saved at " + dataDir);
Závěr
Úspěšně jste extrahovali text z konkrétní stránky dokumentu PDF pomocí Aspose.PDF for .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 stránky v souboru PDF pomocí Aspose.PDF pro .NET. Doprovodný zdrojový kód C# demonstruje požadované kroky k dosažení tohoto úkolu.
Otázka: Jaké jmenné prostory mám importovat?
Odpověď: Do souboru kódu, do kterého plánujete extrahovat text, zahrňte na začátek souboru následující pomocí direktiv:
using Aspose.Pdf;
using System.IO;
Otázka: Jak určím adresář dokumentů?
A: V kódu najděte řádek, který říkástring dataDir = "YOUR DOCUMENT DIRECTORY";
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 konkrétní stránky?
Odpověď: Krok 5 zahrnuje vytvoření aTextAbsorber
objekt pro extrahování textu z dokumentu PDF. Poté přijmete absorbér pro požadovanou stránku tím, že k ní přistoupíte prostřednictvímPages
sbírkapdfDocument
.
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 návodu jste se naučili, jak extrahovat text z konkrétní stránky dokumentu PDF pomocí Aspose.PDF for .NET. Extrahovaný text byl uložen do určeného výstupního souboru, což vám umožňuje cílit a analyzovat textový obsah z konkrétních stránek.