Szöveg kibontása az oldalrégióból PDF-fájlban

Ez az oktatóanyag végigvezeti Önt a PDF-fájl adott régiójából a szöveg kinyerésének folyamatán az Aspose.PDF for .NET használatával. A mellékelt C# forráskód bemutatja a szükséges lépéseket.

Követelmények

Mielőtt elkezdené, győződjön meg arról, hogy rendelkezik a következőkkel:

  • Visual Studio vagy bármely más C# fordító telepítve a gépedre.
  • Aspose.PDF .NET könyvtárhoz. Letöltheti az Aspose hivatalos webhelyéről, vagy használhat csomagkezelőt, például a NuGetet a telepítéséhez.

1. lépés: Állítsa be a projektet

  1. Hozzon létre egy új C# projektet a kívánt fejlesztői környezetben.
  2. Adjon hozzá hivatkozást az Aspose.PDF for .NET könyvtárhoz.

2. lépés: Importálja a szükséges névtereket

Abban a kódfájlban, amelybe szöveget szeretne kivonni, adja hozzá a következőket a fájl tetején található direktívák használatával:

using Aspose.Pdf;
using System.IO;

3. lépés: Állítsa be a dokumentumkönyvtárat

A kódban keresse meg azt a sort, amely ezt mondjastring dataDir = "YOUR DOCUMENT DIRECTORY"; és cserélje ki"YOUR DOCUMENT DIRECTORY" annak a könyvtárnak az elérési útjával, ahol a dokumentumokat tárolják.

4. lépés: Nyissa meg a PDF dokumentumot

Nyisson meg egy meglévő PDF dokumentumot aDocumentkonstruktort, és átadja a bemeneti PDF-fájl elérési útját.

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

5. lépés: Szöveg kibontása egy oldalrégióból

Hozzon létre egyTextAbsorber objektumot, hogy szöveget vonjon ki a dokumentumból. Konfigurálja aTextSearchOptions hogy a keresést egy téglalap által meghatározott oldalrégióra korlátozzuk.

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

6. lépés: Szerezze be a kivont szöveget

A kivont szöveg elérése aTextAbsorber tárgy.

string extractedText = absorb.Text;

7. lépés: Mentse el a kicsomagolt szöveget

Hozzon létre egyTextWriter és nyissa meg a fájlt, ahová a kicsomagolt szöveget menteni szeretné. Írja be a kicsomagolt szöveget a fájlba, és zárja be az adatfolyamot.

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

Minta forráskód a szöveg kibontásához az oldalrégióból az Aspose.PDF for .NET használatával

// A dokumentumok könyvtárának elérési útja.
string dataDir = "YOUR DOCUMENT DIRECTORY";
// Nyissa meg a dokumentumot
Document pdfDocument = new Document(dataDir + "ExtractTextAll.pdf");
// Hozzon létre TextAbsorber objektumot a szöveg kivonásához
TextAbsorber absorber = new TextAbsorber();
absorber.TextSearchOptions.LimitToPageBounds = true;
absorber.TextSearchOptions.Rectangle = new Aspose.Pdf.Rectangle(100, 200, 250, 350);
// Fogadja el az elnyelőt az első oldalhoz
pdfDocument.Pages[1].Accept(absorber);
// Szerezd meg a kivont szöveget
string extractedText = absorber.Text;
// Hozzon létre egy írót, és nyissa meg a fájlt
TextWriter tw = new StreamWriter(dataDir + "extracted-text.txt");
// Írjon egy sort a fájlba
tw.WriteLine(extractedText);
// Zárd be a patakot
tw.Close();

Következtetés

Sikeresen kinyert szöveget egy adott régióból egy PDF-dokumentum oldaláról az Aspose.PDF for .NET segítségével. A kivont szöveget a rendszer a megadott kimeneti fájlba mentette.

GYIK

K: Mi a célja ennek az oktatóanyagnak?

V: Ennek az oktatóanyagnak az a célja, hogy végigvezeti Önt a PDF-fájl egy oldalának adott régiójából a szöveg kinyerésének folyamatán az Aspose.PDF for .NET használatával. A mellékelt C# forráskód lépésről lépésre tartalmaz utasításokat ennek a feladatnak a végrehajtásához.

K: Milyen névtereket kell importálnom?

V: Abba a kódfájlba, amelybe szöveget kíván kivonni, a fájl elejére írja be a következő direktívákat:

using Aspose.Pdf;
using System.IO;

K: Hogyan adhatom meg a dokumentumkönyvtárat?

V: Keresse meg a vonalatstring dataDir = "YOUR DOCUMENT DIRECTORY"; a kódban és cserélje ki"YOUR DOCUMENT DIRECTORY" a dokumentumkönyvtár tényleges elérési útjával.

K: Hogyan nyithatok meg egy meglévő PDF-dokumentumot?

V: A 4. lépésben megnyit egy meglévő PDF-dokumentumot aDocument konstruktort, és megadja a bemeneti PDF-fájl elérési útját.

K: Hogyan nyerhetek ki szöveget egy adott oldalrégióból?

V: Az 5. lépés az aTextAbsorberobjektum a szöveg kinyeréséhez a PDF dokumentumból. Ezután konfigurálja aTextSearchOptions egy adott téglalap alakú régió meghatározásához az oldalon a koordináták segítségével.

K: Hogyan férhetek hozzá a kivonatolt szöveghez?

V: A 6. lépés végigvezeti Önt a kivonatolt szöveg elérésénTextAbsorber tárgy.

K: Hogyan menthetem el a kicsomagolt szöveget fájlba?

V: A 7. lépésben létrehoz egyTextWriter, nyissa meg azt a fájlt, ahová a kicsomagolt szöveget menteni szeretné, írja be a kibontott szöveget a fájlba, majd zárja be az adatfolyamot.

K: Mi a legfontosabb kivonat ebből az oktatóanyagból?

V: Az oktatóanyag követésével megtanulta, hogyan lehet szöveget kivonni egy adott régióból egy PDF-dokumentum oldaláról az Aspose.PDF for .NET használatával. A kivont szöveget egy megadott kimeneti fájlba mentettük, lehetővé téve a kívánt szöveges tartalom pontos célzását és elemzését.

Szöveg kibontása PDF fájlból Szöveges oldal kibontása PDF fájlba