Extraheer tekst uit paginagebied in PDF-bestand
Deze tutorial begeleidt u bij het extraheren van tekst uit een specifieke regio op een pagina in een PDF-bestand met behulp van 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
- Maak een nieuw C#-project in de ontwikkelomgeving van uw voorkeur.
- Voeg een verwijzing toe naar de Aspose.PDF voor .NET-bibliotheek.
Stap 2: Importeer de vereiste naamruimten
Voeg in het codebestand waarin u tekst wilt extraheren het volgende toe met behulp van richtlijnen bovenaan het bestand:
using Aspose.Pdf;
using System.IO;
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 pdfDocument = new Document(dataDir + "ExtractTextAll.pdf");
Stap 5: Extraheer tekst uit een paginagebied
Maak eenTextAbsorber object om tekst uit het document te extraheren. Configureer deTextSearchOptions om de zoekopdracht te beperken tot een specifiek paginagebied gedefinieerd door een rechthoek.
TextAbsorber absorb = new TextAbsorber();
absorb.TextSearchOptions.LimitToPageBounds = true;
absorb.TextSearchOptions.Rectangle = new Aspose.Pdf.Rectangle(100, 200, 250, 350);
pdfDocument.Pages[1].Accept(absorb);
Stap 6: Haal de geëxtraheerde tekst op
Toegang tot de geëxtraheerde tekst uit hetTextAbsorber voorwerp.
string extractedText = absorb.Text;
Stap 7: Sla de geëxtraheerde tekst op
Maak eenTextWriter en open het bestand waarin u de geëxtraheerde tekst wilt opslaan. Schrijf de geëxtraheerde tekst naar het bestand en sluit de stream.
TextWriter tw = new StreamWriter(dataDir + "extracted-text.txt");
tw.WriteLine(extractedText);
tw. Close();
Voorbeeldbroncode voor het extraheren van tekst uit paginaregio met Aspose.PDF voor .NET
// Het pad naar de documentenmap.
string dataDir = "YOUR DOCUMENT DIRECTORY";
// Document openen
Document pdfDocument = new Document(dataDir + "ExtractTextAll.pdf");
// Maak een TextAbsorber-object om tekst te extraheren
TextAbsorber absorber = new TextAbsorber();
absorber.TextSearchOptions.LimitToPageBounds = true;
absorber.TextSearchOptions.Rectangle = new Aspose.Pdf.Rectangle(100, 200, 250, 350);
// Accepteer het absorber voor de eerste pagina
pdfDocument.Pages[1].Accept(absorber);
// Haal de geëxtraheerde tekst op
string extractedText = absorber.Text;
// Maak een schrijver en open het bestand
TextWriter tw = new StreamWriter(dataDir + "extracted-text.txt");
// Schrijf een regel tekst naar het bestand
tw.WriteLine(extractedText);
// Sluit de stroom
tw.Close();
Conclusie
U hebt met succes tekst uit een specifiek gebied op een pagina van een PDF-document geëxtraheerd met Aspose.PDF voor .NET. De geëxtraheerde tekst is opgeslagen in het opgegeven uitvoerbestand.
Veelgestelde vragen
Vraag: Wat is het doel van deze tutorial?
A: Deze tutorial is bedoeld om u te begeleiden bij het extraheren van tekst uit een specifiek gebied op een pagina in een PDF-bestand met behulp van Aspose.PDF voor .NET. De bijbehorende C#-broncode biedt stapsgewijze instructies voor het uitvoeren van deze taak.
Vraag: Welke naamruimten moet ik importeren?
A: In het codebestand waarin u tekst wilt extraheren, neemt u de volgende gebruiksinstructies op aan het begin van het bestand:
using Aspose.Pdf;
using System.IO;
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 tekst uit een specifiek paginagebied?
A: Stap 5 omvat het maken van eenTextAbsorberobject om tekst uit het PDF-document te extraheren. Vervolgens configureert u deTextSearchOptions om een specifiek rechthoekig gebied op de pagina te definiëren met behulp van coördinaten.
Vraag: Hoe krijg ik toegang tot de geëxtraheerde tekst?
A: Stap 6 begeleidt u bij het openen van de geëxtraheerde tekst uit hetTextAbsorber voorwerp.
Vraag: Hoe sla ik de geëxtraheerde tekst op in een bestand?
A: In stap 7 maakt u eenTextWriter, open het bestand waarin u de geëxtraheerde tekst wilt opslaan, schrijf de geëxtraheerde tekst naar het bestand en sluit vervolgens de stream.
Vraag: Wat is de belangrijkste conclusie uit deze tutorial?
A: Door deze tutorial te volgen, hebt u geleerd hoe u tekst uit een specifiek gebied op een pagina van een PDF-document kunt extraheren met Aspose.PDF voor .NET. De geëxtraheerde tekst is opgeslagen in een gespecificeerd uitvoerbestand, zodat u de gewenste tekstuele inhoud nauwkeurig kunt targeten en analyseren.
