Extraire le texte de la région de la page dans un fichier PDF
Ce didacticiel vous guidera tout au long du processus d’extraction de texte d’une région spécifique sur une page d’un fichier PDF à l’aide d’Aspose.PDF pour .NET. Le code source C# fourni montre les étapes nécessaires.
Exigences
Avant de commencer, assurez-vous d’avoir les éléments suivants :
- Visual Studio ou tout autre compilateur C# installé sur votre machine.
- Aspose.PDF pour la bibliothèque .NET. Vous pouvez le télécharger depuis le site officiel d’Aspose ou utiliser un gestionnaire de packages comme NuGet pour l’installer.
Étape 1 : Configurer le projet
- Créez un nouveau projet C# dans votre environnement de développement préféré.
- Ajoutez une référence à la bibliothèque Aspose.PDF pour .NET.
Étape 2 : Importer les espaces de noms requis
Dans le fichier de code dans lequel vous souhaitez extraire le texte, ajoutez les directives using suivantes en haut du fichier :
using Aspose.Pdf;
using System.IO;
Étape 3 : Définir le répertoire des documents
Dans le code, localisez la ligne qui ditstring dataDir = "YOUR DOCUMENT DIRECTORY"; et remplacer"YOUR DOCUMENT DIRECTORY" avec le chemin d’accès au répertoire où sont stockés vos documents.
Étape 4 : Ouvrez le document PDF
Ouvrez un document PDF existant à l’aide duDocumentconstructeur et en transmettant le chemin d’accès au fichier PDF d’entrée.
Document pdfDocument = new Document(dataDir + "ExtractTextAll.pdf");
Étape 5 : Extraire le texte d’une zone de page
Créer unTextAbsorber objet pour extraire le texte du document. Configurez leTextSearchOptions pour limiter la recherche à une région de page spécifique définie par un rectangle.
TextAbsorber absorb = new TextAbsorber();
absorb.TextSearchOptions.LimitToPageBounds = true;
absorb.TextSearchOptions.Rectangle = new Aspose.Pdf.Rectangle(100, 200, 250, 350);
pdfDocument.Pages[1].Accept(absorb);
Étape 6 : Obtenez le texte extrait
Accédez au texte extrait depuis leTextAbsorber objet.
string extractedText = absorb.Text;
Étape 7 : Enregistrez le texte extrait
Créer unTextWriter et ouvrez le fichier dans lequel vous souhaitez enregistrer le texte extrait. Écrivez le texte extrait dans le fichier et fermez le flux.
TextWriter tw = new StreamWriter(dataDir + "extracted-text.txt");
tw.WriteLine(extractedText);
tw. Close();
Exemple de code source pour extraire le texte de la région de la page à l’aide d’Aspose.PDF pour .NET
// Le chemin d'accès au répertoire des documents.
string dataDir = "YOUR DOCUMENT DIRECTORY";
// Ouvrir le document
Document pdfDocument = new Document(dataDir + "ExtractTextAll.pdf");
// Créer un objet TextAbsorber pour extraire du texte
TextAbsorber absorber = new TextAbsorber();
absorber.TextSearchOptions.LimitToPageBounds = true;
absorber.TextSearchOptions.Rectangle = new Aspose.Pdf.Rectangle(100, 200, 250, 350);
// Acceptez l'absorbeur pour la première page
pdfDocument.Pages[1].Accept(absorber);
// Récupérer le texte extrait
string extractedText = absorber.Text;
// Créez un écrivain et ouvrez le fichier
TextWriter tw = new StreamWriter(dataDir + "extracted-text.txt");
// Écrire une ligne de texte dans le fichier
tw.WriteLine(extractedText);
// Fermer le flux
tw.Close();
Conclusion
Vous avez réussi à extraire le texte d’une région spécifique sur une page d’un document PDF à l’aide d’Aspose.PDF pour .NET. Le texte extrait a été enregistré dans le fichier de sortie spécifié.
FAQ
Q : Quel est le but de ce tutoriel ?
R : Ce didacticiel vise à vous guider tout au long du processus d’extraction de texte d’une région spécifique sur une page d’un fichier PDF à l’aide d’Aspose.PDF pour .NET. Le code source C# fourni fournit des instructions étape par étape pour accomplir cette tâche.
Q : Quels espaces de noms dois-je importer ?
R : Dans le fichier de code dans lequel vous souhaitez extraire le texte, incluez les directives using suivantes au début du fichier :
using Aspose.Pdf;
using System.IO;
Q : Comment spécifier le répertoire des documents ?
R : Localisez la lignestring dataDir = "YOUR DOCUMENT DIRECTORY"; dans le code et remplacez"YOUR DOCUMENT DIRECTORY" avec le chemin réel vers votre répertoire de documents.
Q : Comment puis-je ouvrir un document PDF existant ?
R : À l’étape 4, vous ouvrirez un document PDF existant à l’aide de l’outilDocument constructeur et fournissant le chemin d’accès au fichier PDF d’entrée.
Q : Comment extraire le texte d’une zone de page spécifique ?
R : L’étape 5 consiste à créer unTextAbsorberobjet pour extraire le texte du document PDF. Vous configurerez ensuite leTextSearchOptions pour définir une région rectangulaire spécifique sur la page à l’aide de coordonnées.
Q : Comment accéder au texte extrait ?
R : L’étape 6 vous guide dans l’accès au texte extrait duTextAbsorber objet.
Q : Comment puis-je enregistrer le texte extrait dans un fichier ?
R : À l’étape 7, vous allez créer unTextWriter, ouvrez le fichier dans lequel vous souhaitez enregistrer le texte extrait, écrivez le texte extrait dans le fichier, puis fermez le flux.
Q : Quel est le principal point à retenir de ce didacticiel ?
R : En suivant ce didacticiel, vous avez appris à extraire le texte d’une région spécifique sur une page d’un document PDF à l’aide d’Aspose.PDF pour .NET. Le texte extrait a été enregistré dans un fichier de sortie spécifié, vous permettant de cibler et d’analyser avec précision le contenu textuel souhaité.
