Estrai testo dall'area della pagina nel file PDF
Questo tutorial ti guiderà attraverso il processo di estrazione del testo da un’area specifica su una pagina in un 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 il testo, aggiungi le seguenti direttive using nella parte superiore del file:
using Aspose.Pdf;
using System.IO;
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 fileDocumentcostruttore e passando il percorso al file PDF di input.
Document pdfDocument = new Document(dataDir + "ExtractTextAll.pdf");
Passaggio 5: estrai il testo da un’area della pagina
Creare unTextAbsorber oggetto per estrarre il testo dal documento. Configura ilTextSearchOptions per limitare la ricerca a un’area specifica della pagina definita da un rettangolo.
TextAbsorber absorb = new TextAbsorber();
absorb.TextSearchOptions.LimitToPageBounds = true;
absorb.TextSearchOptions.Rectangle = new Aspose.Pdf.Rectangle(100, 200, 250, 350);
pdfDocument.Pages[1].Accept(absorb);
Passaggio 6: ottieni il testo estratto
Accedi al testo estratto dal fileTextAbsorber oggetto.
string extractedText = absorb.Text;
Passaggio 7: salva il testo estratto
Creare unTextWriter e apri il file in cui vuoi salvare il testo estratto. Scrivi il testo estratto nel file e chiudi lo stream.
TextWriter tw = new StreamWriter(dataDir + "extracted-text.txt");
tw.WriteLine(extractedText);
tw. Close();
Codice sorgente di esempio per Estrai testo dall’area della pagina utilizzando Aspose.PDF per .NET
// Il percorso della directory dei documenti.
string dataDir = "YOUR DOCUMENT DIRECTORY";
// Apri documento
Document pdfDocument = new Document(dataDir + "ExtractTextAll.pdf");
// Crea un oggetto TextAbsorber per estrarre il testo
TextAbsorber absorber = new TextAbsorber();
absorber.TextSearchOptions.LimitToPageBounds = true;
absorber.TextSearchOptions.Rectangle = new Aspose.Pdf.Rectangle(100, 200, 250, 350);
// Accettare l'assorbitore per la prima pagina
pdfDocument.Pages[1].Accept(absorber);
// Ottieni il testo estratto
string extractedText = absorber.Text;
// Crea uno scrittore e apri il file
TextWriter tw = new StreamWriter(dataDir + "extracted-text.txt");
// Scrivere una riga di testo nel file
tw.WriteLine(extractedText);
// Chiudi il flusso
tw.Close();
Conclusione
Hai estratto con successo il testo da un’area specifica su una pagina di un documento PDF utilizzando Aspose.PDF per .NET. Il testo estratto è stato salvato nel file di output specificato.
Domande frequenti
D: Qual è lo scopo di questo tutorial?
R: Questo tutorial ha lo scopo di guidarti attraverso il processo di estrazione del testo da un’area specifica su una pagina in un file PDF utilizzando Aspose.PDF per .NET. Il codice sorgente C# allegato fornisce istruzioni dettagliate per eseguire questa attività.
D: Quali spazi dei nomi devo importare?
R: Nel file di codice in cui intendi estrarre il testo, includi le seguenti direttive using all’inizio del file:
using Aspose.Pdf;
using System.IO;
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 posso estrarre il testo da un’area specifica della pagina?
R: Il passaggio 5 prevede la creazione di un fileTextAbsorberoggetto per estrarre il testo dal documento PDF. Potrai quindi configurare il fileTextSearchOptions per definire un’area rettangolare specifica sulla pagina utilizzando le coordinate.
D: Come posso accedere al testo estratto?
R: Il passaggio 6 ti guida attraverso l’accesso al testo estratto dal fileTextAbsorber oggetto.
D: Come posso salvare il testo estratto in un file?
R: Nel passaggio 7 creerai un fileTextWriter, apri il file in cui desideri salvare il testo estratto, scrivi il testo estratto nel file, quindi chiudi lo stream.
D: Qual è il punto chiave di questo tutorial?
R: Seguendo questo tutorial, hai imparato come estrarre il testo da un’area specifica su una pagina di un documento PDF utilizzando Aspose.PDF per .NET. Il testo estratto è stato salvato in un file di output specificato, consentendoti di individuare e analizzare con precisione il contenuto testuale desiderato.
