Extraheer alinea's in een PDF-bestand

Deze tutorial begeleidt u bij het extraheren van alinea’s in een PDF-bestand met Aspose.PDF voor .NET. De meegeleverde C#-broncode demonstreert de noodzakelijke stappen.

Vereisten

Zorg ervoor dat u over het volgende beschikt voordat u begint:

• Visual Studio of een andere C#-compiler die op uw computer is geïnstalleerd.
• Aspose.PDF voor .NET-bibliotheek. Je kunt het downloaden van de officiële Aspose-website of een pakketbeheerder zoals NuGet gebruiken om het te installeren.

Stap 1: Zet het project op

1. Maak een nieuw C#-project in de ontwikkelomgeving van uw voorkeur.
2. Voeg een verwijzing toe naar de Aspose.PDF voor .NET-bibliotheek.

Stap 2: Importeer de vereiste naamruimten

Voeg in het codebestand waarin u alinea’s wilt extraheren het volgende toe met behulp van richtlijnen bovenaan het bestand:

using Aspose.Pdf;
using System;
using System.Text;

Stap 3: Stel de documentmap in

Zoek in de code de regel met de tekststring dataDir = "YOUR DOCUMENT DIRECTORY"; en vervangen"YOUR DOCUMENT DIRECTORY" met het pad naar de map waar uw documenten zijn opgeslagen.

Stap 4: Open het PDF-document

Open een bestaand PDF-document met behulp van deDocumentconstructor en geef het pad door aan het invoer-PDF-bestand.

Document doc = new Document(dataDir + "input.pdf");

Stap 5: Extraheer alinea’s

Instantieer deParagraphAbsorber klasse en gebruik dezeVisit methode om alinea’s uit het document te extraheren.

ParagraphAbsorber absorb = new ParagraphAbsorber();
absorb.Visit(doc);

Stap 6: Herhaal de paragrafen

Loop door de geëxtraheerde alinea’s om toegang te krijgen tot de tekstinhoud. Gebruik geneste lussen om secties en regels binnen elke alinea te doorlopen.

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++;
     }
}

Voorbeeldbroncode voor het extraheren van alinea’s met Aspose.PDF voor .NET

// Het pad naar de documentenmap.
string dataDir = "YOUR DOCUMENT DIRECTORY";
//Open een bestaand PDF-bestand
Document doc = new Document(dataDir + "input.pdf");
// Instantie van 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++;
	}
}

Conclusie

U hebt met succes alinea’s uit een PDF-document geëxtraheerd met Aspose.PDF voor .NET. De geëxtraheerde alinea’s zijn weergegeven in het consolevenster.

Veelgestelde vragen

Vraag: Wat is het doel van deze tutorial?

A: Deze tutorial is bedoeld om u te begeleiden bij het extraheren van alinea’s uit een PDF-bestand met Aspose.PDF voor .NET. De bijbehorende C#-broncode biedt praktische stappen om deze taak te verwezenlijken.

Vraag: Welke naamruimten moet ik importeren?

A: In het codebestand waarin u alinea’s wilt extraheren, neemt u het volgende op met behulp van richtlijnen aan het begin van het bestand:

using Aspose.Pdf;
using System;
using System.Text;

Vraag: Hoe geef ik de documentmap op?

A: Zoek de lijnstring dataDir = "YOUR DOCUMENT DIRECTORY"; in de code en vervang"YOUR DOCUMENT DIRECTORY" met het daadwerkelijke pad naar uw documentmap.

Vraag: Hoe open ik een bestaand PDF-document?

A: In stap 4 opent u een bestaand PDF-document met behulp van deDocument constructor en het pad naar het invoer-PDF-bestand opgeven.

Vraag: Hoe extraheer ik alinea’s uit het document?

A: Stap 5 omvat het maken van een exemplaar van hetParagraphAbsorber klasse en het gebruik ervanVisit methode om alinea’s uit het PDF-document te extraheren.

Vraag: Hoe kan ik de geëxtraheerde alinea’s doorlopen?

A: Stap 6 begeleidt u bij het doorlopen van de geëxtraheerde alinea’s. Geneste lussen worden gebruikt om secties en regels binnen elke alinea te doorlopen, waardoor uiteindelijk de tekstinhoud wordt benaderd en weergegeven.

Vraag: Wat is de belangrijkste conclusie uit deze tutorial?

A: Door deze tutorial te volgen, heb je geleerd hoe je alinea’s uit een PDF-document kunt extraheren met Aspose.PDF voor .NET. De geëxtraheerde alinea’s zijn weergegeven in het consolevenster, waardoor u waardevol inzicht krijgt in de inhoudsstructuur van het document.