Estrai paragrafi nel file PDF
Questo tutorial ti guiderà attraverso il processo di estrazione dei paragrafi nel file PDF utilizzando Aspose.PDF per .NET. Il codice sorgente C# fornito illustra i passaggi necessari.
Requisiti
Prima di iniziare, assicurati di avere quanto segue:
- Visual Studio o qualsiasi altro compilatore C# installato sul tuo computer.
- Aspose.PDF per la libreria .NET. Puoi scaricarlo dal sito Web ufficiale di Aspose o utilizzare un gestore di pacchetti come NuGet per installarlo.
Passaggio 1: impostare il progetto
- Crea un nuovo progetto C# nel tuo ambiente di sviluppo preferito.
- Aggiungere un riferimento alla libreria Aspose.PDF per .NET.
Passaggio 2: importa gli spazi dei nomi richiesti
Nel file di codice in cui desideri estrarre i paragrafi, aggiungi le seguenti direttive using nella parte superiore del file:
using Aspose.Pdf;
using System;
using System.Text;
Passaggio 3: imposta la directory dei documenti
Nel codice, individua la riga che dicestring dataDir = "YOUR DOCUMENT DIRECTORY";
e sostituire"YOUR DOCUMENT DIRECTORY"
con il percorso della directory in cui sono archiviati i tuoi documenti.
Passaggio 4: apri il documento PDF
Apri un documento PDF esistente utilizzando il fileDocument
costruttore e passando il percorso al file PDF di input.
Document doc = new Document(dataDir + "input.pdf");
Passaggio 5: estrai i paragrafi
Istanziare ilParagraphAbsorber
class e usaloVisit
metodo per estrarre paragrafi dal documento.
ParagraphAbsorber absorb = new ParagraphAbsorber();
absorb.Visit(doc);
Passaggio 6: scorrere i paragrafi
Scorri i paragrafi estratti per accedere ai contenuti del testo. Utilizza cicli nidificati per attraversare sezioni e righe all’interno di ciascun paragrafo.
foreach(PageMarkup markup in absorber.PageMarkups)
{
int i = 1;
foreach(MarkupSection section in markup.Sections)
{
int j = 1;
foreach(MarkupParagraph paragraph in section.Paragraphs)
{
StringBuilder paragraphText = new StringBuilder();
foreach(List<TextFragment> line in paragraph.Lines)
{
foreach(TextFragment fragment in line)
{
paragraphText.Append(fragment.Text);
}
paragraphText. Append("\r\n");
}
paragraphText. Append("\r\n");
Console.WriteLine("Paragraph {0} of section {1} on page {2}:", j, i, markup.Number);
Console.WriteLine(paragraphText.ToString());
j++;
}
i++;
}
}
Codice sorgente di esempio per Estrai paragrafi utilizzando Aspose.PDF per .NET
// Il percorso della directory dei documenti.
string dataDir = "YOUR DOCUMENT DIRECTORY";
//Apri un file PDF esistente
Document doc = new Document(dataDir + "input.pdf");
// Istanzia ParagraphAbsorber
ParagraphAbsorber absorber = new ParagraphAbsorber();
absorber.Visit(doc);
foreach (PageMarkup markup in absorber.PageMarkups)
{
int i = 1;
foreach (MarkupSection section in markup.Sections)
{
int j = 1;
foreach (MarkupParagraph paragraph in section.Paragraphs)
{
StringBuilder paragraphText = new StringBuilder();
foreach (List<TextFragment> line in paragraph.Lines)
{
foreach (TextFragment fragment in line)
{
paragraphText.Append(fragment.Text);
}
paragraphText.Append("\r\n");
}
paragraphText.Append("\r\n");
Console.WriteLine("Paragraph {0} of section {1} on page {2}:", j, i, markup.Number);
Console.WriteLine(paragraphText.ToString());
j++;
}
i++;
}
}
Conclusione
Hai estratto con successo i paragrafi da un documento PDF utilizzando Aspose.PDF per .NET. I paragrafi estratti sono stati visualizzati nella finestra della console.
Domande frequenti
D: Qual è lo scopo di questo tutorial?
R: Questo tutorial ha lo scopo di guidarti attraverso il processo di estrazione dei paragrafi da un file PDF utilizzando Aspose.PDF per .NET. Il codice sorgente C# allegato fornisce passaggi pratici per eseguire questa attività.
D: Quali spazi dei nomi devo importare?
R: Nel file di codice in cui intendi estrarre i paragrafi, includi le seguenti direttive using all’inizio del file:
using Aspose.Pdf;
using System;
using System.Text;
D: Come posso specificare la directory dei documenti?
R: Individua la lineastring dataDir = "YOUR DOCUMENT DIRECTORY";
nel codice e sostituire"YOUR DOCUMENT DIRECTORY"
con il percorso effettivo della directory dei documenti.
D: Come posso aprire un documento PDF esistente?
R: Nel passaggio 4, aprirai un documento PDF esistente utilizzando il fileDocument
costruttore e fornendo il percorso del file PDF di input.
D: Come estraggo i paragrafi dal documento?
R: Il passaggio 5 prevede la creazione di un’istanza del fileParagraphAbsorber
class e utilizzando itsVisit
metodo per estrarre paragrafi dal documento PDF.
D: Come posso scorrere i paragrafi estratti?
R: Il passaggio 6 ti guida attraverso il ciclo dei paragrafi estratti. I cicli nidificati vengono utilizzati per attraversare sezioni e righe all’interno di ciascun paragrafo, accedendo e visualizzando infine il contenuto del testo.
D: Qual è il punto chiave di questo tutorial?
R: Seguendo questo tutorial, hai imparato come estrarre paragrafi da un documento PDF utilizzando Aspose.PDF per .NET. I paragrafi estratti sono stati visualizzati nella finestra della console, fornendoti preziose informazioni sulla struttura del contenuto del documento.