Ekstrak Teks Semua Dalam File PDF
Tutorial ini akan memandu Anda melalui proses mengekstraksi semua teks dalam file PDF menggunakan Aspose.PDF untuk .NET. Kode sumber C# yang disediakan menunjukkan langkah-langkah yang diperlukan.
Persyaratan
Sebelum memulai, pastikan Anda memiliki hal berikut:
- Visual Studio atau kompiler C# lainnya yang diinstal pada mesin Anda.
- Aspose.PDF untuk perpustakaan .NET. Anda dapat mendownloadnya dari situs resmi Aspose atau menggunakan manajer paket seperti NuGet untuk menginstalnya.
Langkah 1: Siapkan proyek
- Buat proyek C# baru di lingkungan pengembangan pilihan Anda.
- Tambahkan referensi ke perpustakaan Aspose.PDF untuk .NET.
Langkah 2: Impor namespace yang diperlukan
Dalam file kode tempat Anda ingin mengekstrak teks, tambahkan arahan penggunaan berikut di bagian atas file:
using Aspose.Pdf;
using System.IO;
Langkah 3: Atur direktori dokumen
Dalam kode, temukan baris yang bertuliskanstring dataDir = "YOUR DOCUMENT DIRECTORY"; dan ganti"YOUR DOCUMENT DIRECTORY" dengan jalur ke direktori tempat dokumen Anda disimpan.
Langkah 4: Buka dokumen PDF
Buka dokumen PDF yang ada menggunakanDocumentkonstruktor dan meneruskan jalur ke file PDF masukan.
Document pdfDocument = new Document(dataDir + "ExtractTextAll.pdf");
Langkah 5: Ekstrak semua teks
MembuatTextAbsorberobjek untuk mengekstrak teks dari dokumen. Kemudian, terima penyerap untuk semua halaman.
TextAbsorber textAbsorber = new TextAbsorber();
pdfDocument.Pages.Accept(textAbsorber);
Langkah 6: Dapatkan teks yang diekstraksi
Akses teks yang diekstraksi dariTextAbsorber obyek.
string extractedText = textAbsorber.Text;
Langkah 7: Simpan teks yang diekstraksi
MembuatTextWriter dan buka file tempat Anda ingin menyimpan teks yang diekstraksi. Tulis teks yang diekstraksi ke file dan tutup alirannya.
TextWriter tw = new StreamWriter(dataDir + "extracted-text.txt");
tw.WriteLine(extractedText);
tw. Close();
Contoh kode sumber untuk Ekstrak Teks Semua menggunakan Aspose.PDF untuk .NET
// Jalur ke direktori dokumen.
string dataDir = "YOUR DOCUMENT DIRECTORY";
// Buka dokumen
Document pdfDocument = new Document(dataDir + "ExtractTextAll.pdf");
// Buat objek TextAbsorber untuk mengekstrak teks
TextAbsorber textAbsorber = new TextAbsorber();
// Terima penyerap untuk semua halaman
pdfDocument.Pages.Accept(textAbsorber);
// Dapatkan teks yang diekstraksi
string extractedText = textAbsorber.Text;
// Buat penulis dan buka file
TextWriter tw = new StreamWriter(dataDir + "extracted-text.txt");
// Tulis sebaris teks ke file
tw.WriteLine(extractedText);
// Tutup alirannya
tw.Close();
Kesimpulan
Anda telah berhasil mengekstrak semua teks dari dokumen PDF menggunakan Aspose.PDF untuk .NET. Teks yang diekstraksi telah disimpan ke file keluaran yang ditentukan.
FAQ
T: Apa tujuan dari tutorial ini?
J: Tutorial ini berfungsi sebagai panduan untuk membantu Anda mengekstrak semua teks dari file PDF menggunakan Aspose.PDF untuk .NET. Kode sumber C# yang menyertainya memberikan petunjuk langkah demi langkah untuk mencapai tugas ini.
T: Namespace apa yang harus saya impor?
A: Dalam file kode tempat Anda ingin mengekstrak teks, sertakan arahan penggunaan berikut di awal file:
using Aspose.Pdf;
using System.IO;
T: Bagaimana cara menentukan direktori dokumen?
A: Temukan garisnyastring dataDir = "YOUR DOCUMENT DIRECTORY"; dalam kode dan ganti"YOUR DOCUMENT DIRECTORY" dengan jalur sebenarnya ke direktori dokumen Anda.
T: Bagaimana cara membuka dokumen PDF yang sudah ada?
J: Pada Langkah 4, Anda akan membuka dokumen PDF yang ada menggunakanDocument konstruktor dan menyediakan jalur ke file PDF masukan.
T: Bagaimana cara mengekstrak semua teks dari dokumen?
J: Langkah 5 melibatkan pembuatan aTextAbsorber objek untuk mengekstrak teks dari dokumen PDF. Kemudian, Anda akan memiliki penyerap untuk semua halaman.
T: Bagaimana cara mengakses teks yang diekstraksi?
J: Langkah 6 memandu Anda dalam mengakses teks yang diekstrak dariTextAbsorber obyek.
T: Bagaimana cara menyimpan teks yang diekstrak ke file?
J: Pada Langkah 7, Anda akan membuat aTextWriter, buka file tempat Anda ingin menyimpan teks yang diekstraksi, tulis teks yang diekstraksi ke file, lalu tutup aliran.
T: Apa inti dari tutorial ini?
J: Dengan mengikuti tutorial ini, Anda telah mempelajari cara mengekstrak semua teks dari dokumen PDF menggunakan Aspose.PDF untuk .NET. Teks yang diekstraksi telah disimpan ke file keluaran tertentu, memungkinkan Anda menganalisis dan memanipulasi konten tekstual dokumen.
