Trích xuất văn bản từ chú thích tem

Trong hướng dẫn này, chúng tôi sẽ hướng dẫn bạn từng bước về cách trích xuất văn bản từ chú thích đóng dấu trong tài liệu PDF bằng Aspose.PDF cho .NET. Chúng tôi sẽ chỉ cho bạn cách sử dụng mã nguồn C# được cung cấp để trích xuất văn bản từ chú thích đóng dấu cụ thể trên một trang nhất định của tài liệu PDF.

Bước 1: Thiết lập môi trường

Trước khi bắt đầu, hãy đảm bảo bạn có những điều sau:

  • Một môi trường phát triển .NET được cài đặt.
  • Thư viện Aspose.PDF dành cho .NET được tải xuống và tham chiếu trong dự án của bạn.

Bước 2: Tải tài liệu PDF

Bước đầu tiên là tải tài liệu PDF hiện có vào dự án của bạn. Đây là cách thực hiện:

// Đường dẫn đến thư mục tài liệu.
string dataDir = "YOUR DOCUMENTS DIRECTORY";

// Tải tài liệu
Document doc = new Document(dataDir + "test.pdf");

Đảm bảo thay thế “THƯ MỤC TÀI LIỆU CỦA BẠN” bằng đường dẫn thực tế đến thư mục chứa tài liệu PDF của bạn.

Bước 3: Trích xuất văn bản từ chú thích tem

Bây giờ bạn đã tải tài liệu PDF, bạn có thể trích xuất văn bản từ chú thích đóng dấu cụ thể. Đây là cách thực hiện:

// Truy xuất chú thích bộ đệm
StampAnnotation annot = doc.Pages[1].Annotations[3] as StampAnnotation;

// Tạo một trình hấp thụ văn bản
TextAbsorber ta = new TextAbsorber();

// Xem giao diện của chú thích
XForm ap = annot. Appearance["N"];
ta.Visit(ap);

// Hiển thị văn bản được trích xuất
Console.WriteLine(ta.Text);

Đoạn mã trên truy xuất chú thích đóng dấu từ trang được chỉ định của tài liệu PDF và sau đó sử dụng trình hấp thụ văn bản để trích xuất văn bản từ giao diện của chú thích. Văn bản được trích xuất sau đó sẽ được hiển thị ở đầu ra.

Mã nguồn mẫu cho Trích xuất văn bản từ chú thích đóng dấu bằng Aspose.PDF cho .NET


string dataDir = "YOUR DOCUMENT DIRECTORY";
Document doc = new Document(dataDir + "test.pdf");
StampAnnotation annot = doc.Pages[1].Annotations[3] as StampAnnotation;
TextAbsorber ta = new TextAbsorber();
XForm ap = annot.Appearance["N"];
ta.Visit(ap);
Console.WriteLine(ta.Text);

Phần kết luận

Xin chúc mừng! Bạn đã học cách trích xuất văn bản từ chú thích đóng dấu trong tài liệu PDF bằng Aspose.PDF cho .NET. Bây giờ bạn có thể sử dụng phương pháp này để trích xuất văn bản từ các chú thích khác trong tài liệu PDF của mình.

Câu hỏi thường gặp về trích xuất văn bản từ chú thích tem

Câu hỏi: Chú thích đóng dấu trong tài liệu PDF là gì và tại sao tôi cần trích xuất văn bản từ đó?

Đáp: Chú thích tem trong tài liệu PDF là thành phần đồ họa có thể được sử dụng để cung cấp thông tin bổ sung, chẳng hạn như hình mờ hoặc tem cao su. Trích xuất văn bản từ chú thích tem rất hữu ích khi bạn muốn truy xuất nội dung dựa trên văn bản từ các chú thích này, có thể bao gồm ghi chú, nhãn hoặc thông tin văn bản khác.

Câu hỏi: Mã nguồn C# được cung cấp trích xuất văn bản từ chú thích tem bằng cách nào?

Đáp: Mã nguồn được cung cấp trình bày cách trích xuất văn bản từ chú thích đóng dấu cụ thể trên một trang nhất định của tài liệu PDF. Nó sử dụng thư viện Aspose.PDF để truy xuất chú thích tem, truy cập giao diện của nó bằng cách sử dụngTextAbsorber, sau đó hiển thị văn bản được trích xuất ở đầu ra.

Câu hỏi: Tôi có thể trích xuất văn bản từ các loại chú thích khác nhau bằng cách sử dụng phương pháp tương tự không?

Đáp: Có, bạn có thể sử dụng phương pháp tương tự để trích xuất văn bản từ các loại chú thích khác, chẳng hạn như chú thích văn bản hoặc chú thích bật lên. Bạn sẽ cần sửa đổi mã để nhắm mục tiêu loại chú thích cụ thể mà bạn muốn trích xuất văn bản từ đó.

Hỏi: Mục đích của việc này là gì?TextAbsorber class in the code?

Đáp: CáiTextAbsorber lớp được sử dụng để trích xuất văn bản từ các phần khác nhau của tài liệu PDF, bao gồm cả chú thích đóng dấu. Nó “hấp thụ” hoặc ghi lại nội dung văn bản được tìm thấy trong khu vực hoặc thành phần được chỉ định của tệp PDF.

Câu hỏi: Làm cách nào để xác định chú thích tem cụ thể mà tôi muốn trích xuất văn bản từ đó?

Đáp: Trong mã được cung cấp, chú thích tem được xác định bằng cách truy cập vàoAnnotations tập hợp một trang cụ thể và sử dụng chỉ mục để truy xuất chú thích mong muốn. Bạn có thể điều chỉnh chỉ mục hoặc sử dụng các tiêu chí khác để xác định chú thích mục tiêu.

Hỏi: Tôi có thể trích xuất văn bản từ nhiều chú thích tem trên cùng một trang không?

Đáp: Có, bạn có thể sửa đổi mã để lặp quaAnnotationstập hợp một trang, lọc các chú thích đóng dấu và trích xuất văn bản từ mỗi trang đó.

Hỏi: Nếu chú thích tem không có nội dung văn bản thì sao? Mã vẫn sẽ hoạt động chứ?

Trả lời: Mã vẫn hoạt động nhưng nó sẽ trích xuất và hiển thị một chuỗi trống nếu hình thức của chú thích tem không chứa bất kỳ nội dung văn bản nào.

Hỏi: Làm cách nào tôi có thể lưu văn bản được trích xuất vào một tệp thay vì hiển thị nó ở đầu ra?

Trả lời: Bạn có thể sửa đổi mã để lưu văn bản được trích xuất vào một tệp thay vì hiển thị nó trong bảng điều khiển. Đơn giản chỉ cần thay thếConsole.WriteLine câu lệnh có mã để ghi văn bản vào một tập tin.

Câu hỏi: Làm cách nào tôi có thể sử dụng văn bản được trích xuất để xử lý hoặc phân tích thêm?

Đáp: Sau khi trích xuất văn bản bằng phương pháp được cung cấp, bạn có thể lưu trữ nó trong một biến, thao tác, phân tích hoặc tích hợp nó vào các phần khác của ứng dụng nếu cần.

Xác định căn chỉnh trong tệp PDF Điền nét văn bản vào tệp PDF