Wyodrębnij cały tekst z pliku PDF
Ten samouczek poprowadzi Cię przez proces wyodrębniania całego tekstu z pliku PDF przy użyciu Aspose.PDF dla .NET. Dostarczony kod źródłowy języka C# demonstruje niezbędne kroki.
Wymagania
Zanim zaczniesz, upewnij się, że masz następujące elementy:
- Visual Studio lub dowolny inny kompilator C# zainstalowany na twoim komputerze.
- Aspose.PDF dla biblioteki .NET. Możesz pobrać go z oficjalnej strony Aspose lub użyć menedżera pakietów, takiego jak NuGet, aby go zainstalować.
Krok 1: Skonfiguruj projekt
- Utwórz nowy projekt C# w preferowanym środowisku programistycznym.
- Dodaj odwołanie do biblioteki Aspose.PDF dla .NET.
Krok 2: Zaimportuj wymagane przestrzenie nazw
W pliku kodu, z którego chcesz wyodrębnić tekst, dodaj następujące dyrektywy using na górze pliku:
using Aspose.Pdf;
using System.IO;
Krok 3: Ustaw katalog dokumentów
W kodzie znajdź wiersz, który mówistring dataDir = "YOUR DOCUMENT DIRECTORY";
i wymienić"YOUR DOCUMENT DIRECTORY"
ze ścieżką do katalogu, w którym przechowywane są Twoje dokumenty.
Krok 4: Otwórz dokument PDF
Otwórz istniejący dokument PDF za pomocąDocument
konstruktora i przekazując ścieżkę do wejściowego pliku PDF.
Document pdfDocument = new Document(dataDir + "ExtractTextAll.pdf");
Krok 5: Wyodrębnij cały tekst
StwórzTextAbsorber
obiekt, aby wyodrębnić tekst z dokumentu. Następnie zaakceptuj pochłaniacz dla wszystkich stron.
TextAbsorber textAbsorber = new TextAbsorber();
pdfDocument.Pages.Accept(textAbsorber);
Krok 6: Pobierz wyodrębniony tekst
Uzyskaj dostęp do wyodrębnionego tekstu z plikuTextAbsorber
obiekt.
string extractedText = textAbsorber.Text;
Krok 7: Zapisz wyodrębniony tekst
StwórzTextWriter
i otwórz plik, w którym chcesz zapisać wyodrębniony tekst. Zapisz wyodrębniony tekst do pliku i zamknij strumień.
TextWriter tw = new StreamWriter(dataDir + "extracted-text.txt");
tw.WriteLine(extractedText);
tw. Close();
Przykładowy kod źródłowy dla wyodrębnienia tekstu przy użyciu Aspose.PDF dla .NET
// Ścieżka do katalogu dokumentów.
string dataDir = "YOUR DOCUMENT DIRECTORY";
// Otwórz dokument
Document pdfDocument = new Document(dataDir + "ExtractTextAll.pdf");
// Utwórz obiekt TextAbsorber, aby wyodrębnić tekst
TextAbsorber textAbsorber = new TextAbsorber();
// Zaakceptuj pochłaniacz dla wszystkich stron
pdfDocument.Pages.Accept(textAbsorber);
// Pobierz wyodrębniony tekst
string extractedText = textAbsorber.Text;
// Utwórz moduł piszący i otwórz plik
TextWriter tw = new StreamWriter(dataDir + "extracted-text.txt");
// Napisz linię tekstu do pliku
tw.WriteLine(extractedText);
// Zamknij strumień
tw.Close();
Wniosek
Pomyślnie wyodrębniłeś cały tekst z dokumentu PDF przy użyciu Aspose.PDF dla .NET. Wyodrębniony tekst został zapisany w określonym pliku wyjściowym.
Często zadawane pytania
P: Jaki jest cel tego samouczka?
Odp.: Ten samouczek służy jako przewodnik pomagający wyodrębnić cały tekst z pliku PDF przy użyciu Aspose.PDF dla .NET. Towarzyszący kod źródłowy języka C# zawiera instrukcje krok po kroku umożliwiające wykonanie tego zadania.
P: Jakie przestrzenie nazw powinienem zaimportować?
O: W pliku kodu, z którego chcesz wyodrębnić tekst, umieść na początku pliku następujące dyrektywy using:
using Aspose.Pdf;
using System.IO;
P: Jak określić katalog dokumentów?
O: Znajdź linięstring dataDir = "YOUR DOCUMENT DIRECTORY";
w kodzie i zamień"YOUR DOCUMENT DIRECTORY"
z rzeczywistą ścieżką do katalogu dokumentów.
P: Jak otworzyć istniejący dokument PDF?
Odp.: W kroku 4 otworzysz istniejący dokument PDF za pomocąDocument
konstruktora i podając ścieżkę do wejściowego pliku PDF.
P: Jak wyodrębnić cały tekst z dokumentu?
O: Krok 5 polega na utworzeniu plikuTextAbsorber
obiekt, aby wyodrębnić tekst z dokumentu PDF. Następnie zaakceptuj absorber dla wszystkich stron.
P: Jak uzyskać dostęp do wyodrębnionego tekstu?
O: Krok 6 poprowadzi Cię przez proces uzyskiwania dostępu do wyodrębnionego tekstu z plikuTextAbsorber
obiekt.
P: Jak zapisać wyodrębniony tekst do pliku?
O: W kroku 7 utworzysz plikTextWriter
, otwórz plik, w którym chcesz zapisać wyodrębniony tekst, zapisz wyodrębniony tekst w pliku, a następnie zamknij strumień.
P: Jaki jest najważniejszy wniosek z tego samouczka?
Odp.: Wykonując ten samouczek, nauczyłeś się wyodrębniać cały tekst z dokumentu PDF przy użyciu Aspose.PDF dla .NET. Wyodrębniony tekst został zapisany w określonym pliku wyjściowym, co umożliwia analizę i manipulowanie zawartością tekstową dokumentu.