Extrahieren Sie Text mit einem Textgerät

Dieses Tutorial führt Sie durch den Prozess des Extrahierens von Text aus einem PDF-Dokument mithilfe des Textgeräts in Aspose.PDF für .NET. Der bereitgestellte C#-Quellcode demonstriert die notwendigen Schritte.

Anforderungen

Bevor Sie beginnen, stellen Sie sicher, dass Sie über Folgendes verfügen:

• Visual Studio oder ein anderer auf Ihrem Computer installierter C#-Compiler.
• Aspose.PDF für .NET-Bibliothek. Sie können es von der offiziellen Aspose-Website herunterladen oder einen Paketmanager wie NuGet verwenden, um es zu installieren.

Schritt 1: Richten Sie das Projekt ein

1. Erstellen Sie ein neues C#-Projekt in Ihrer bevorzugten Entwicklungsumgebung.
2. Fügen Sie einen Verweis auf die Aspose.PDF für .NET-Bibliothek hinzu.

Schritt 2: Erforderliche Namespaces importieren

Fügen Sie in der Codedatei, in die Sie Text extrahieren möchten, am Anfang der Datei die folgenden using-Anweisungen hinzu:

using Aspose.Pdf;
using Aspose.Pdf.Devices;
using System.IO;
using System.Text;

Schritt 3: Legen Sie das Dokumentverzeichnis fest

Suchen Sie im Code die Zeile mit der Aufschriftstring dataDir = "YOUR DOCUMENT DIRECTORY"; und ersetzen"YOUR DOCUMENT DIRECTORY" mit dem Pfad zu dem Verzeichnis, in dem Ihre Dokumente gespeichert sind.

Schritt 4: Öffnen Sie das PDF-Dokument

Öffnen Sie ein vorhandenes PDF-Dokument mitDocumentKonstruktor und Übergabe des Pfads zur Eingabe-PDF-Datei.

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

Schritt 5: Extrahieren Sie Text mit dem Textgerät

Ein … kreierenStringBuilder Objekt, das den extrahierten Text enthält. Durchlaufen Sie jede Seite des Dokuments und verwenden Sie aTextDevice um den Text von jeder Seite zu extrahieren.

StringBuilder builder = new StringBuilder();
string extractedText = "";
foreach(Page pdfPage in pdfDocument.Pages)
{
using (MemoryStream textStream = new MemoryStream())
{
TextDevice textDevice = new TextDevice();
TextExtractionOptions textExtOptions = new TextExtractionOptions(TextExtractionOptions.TextFormattingMode.Pure);
textDevice.ExtractionOptions = textExtOptions;
textDevice.Process(pdfPage, textStream);
textStream. Close();
extractedText = Encoding.Unicode.GetString(textStream.ToArray());
}
builder. Append(extractedText);
}

Schritt 6: Speichern Sie den extrahierten Text

Geben Sie den Pfad der Ausgabedatei an und speichern Sie den extrahierten Text mithilfe von in einer TextdateiFile.WriteAllText Methode.

dataDir = dataDir + "input_Text_Extracted_out.txt";
File.WriteAllText(dataDir, builder.ToString());

Beispielquellcode für Extract Text Using Text Device mit Aspose.PDF für .NET

// Der Pfad zum Dokumentenverzeichnis.
string dataDir = "YOUR DOCUMENT DIRECTORY";
// Dokument öffnen
Document pdfDocument = new Document( dataDir + "input.pdf");
System.Text.StringBuilder builder = new System.Text.StringBuilder();
//Zeichenfolge zum Speichern des extrahierten Texts
string extractedText = "";
foreach (Page pdfPage in pdfDocument.Pages)
{
	using (MemoryStream textStream = new MemoryStream())
	{
		// Textgerät erstellen
		TextDevice textDevice = new TextDevice();
		// Textextraktionsoptionen festlegen – Textextraktionsmodus festlegen (Raw oder Pure)
		TextExtractionOptions textExtOptions = new
		TextExtractionOptions(TextExtractionOptions.TextFormattingMode.Pure);
		textDevice.ExtractionOptions = textExtOptions;
		// Konvertieren Sie eine bestimmte Seite und speichern Sie Text im Stream
		textDevice.Process(pdfPage, textStream);
		// Konvertieren Sie eine bestimmte Seite und speichern Sie Text im Stream
		textDevice.Process(pdfDocument.Pages[1], textStream);
		// Speicherstrom schließen
		textStream.Close();
		// Holen Sie sich Text aus dem Speicherstream
		extractedText = Encoding.Unicode.GetString(textStream.ToArray());
	}
	builder.Append(extractedText);
}
dataDir = dataDir + "input_Text_Extracted_out.txt";
// Speichern Sie den extrahierten Text in einer Textdatei
File.WriteAllText(dataDir, builder.ToString());
Console.WriteLine("\nText extracted successfully using text device from page of PDF Document.\nFile saved at " + dataDir);

Abschluss

Sie haben mit dem Textgerät in Aspose.PDF für .NET erfolgreich Text aus einem PDF-Dokument extrahiert. Der extrahierte Text wurde in der angegebenen Ausgabedatei gespeichert.

FAQs

F: Was ist der Zweck dieses Tutorials?

A: Dieses Tutorial bietet Anleitungen zum Extrahieren von Text aus einem PDF-Dokument mithilfe der Textgerätefunktion in Aspose.PDF für .NET. Der beigefügte C#-Quellcode demonstriert die notwendigen Schritte, um diese Aufgabe zu erfüllen.

F: Welche Namespaces sollte ich importieren?

A: Fügen Sie in der Codedatei, in der Sie Text extrahieren möchten, die folgenden using-Anweisungen am Anfang der Datei ein:

using Aspose.Pdf;
using Aspose.Pdf.Devices;
using System.IO;
using System.Text;

F: Wie lege ich das Dokumentenverzeichnis fest?

A: Suchen Sie im Code die Zeile mit der Aufschriftstring dataDir = "YOUR DOCUMENT DIRECTORY"; und ersetzen"YOUR DOCUMENT DIRECTORY" mit dem tatsächlichen Pfad zu Ihrem Dokumentverzeichnis.

F: Wie öffne ich ein vorhandenes PDF-Dokument?

A: In Schritt 4 öffnen Sie ein vorhandenes PDF-Dokument mitDocument Konstruktor und stellt den Pfad zur Eingabe-PDF-Datei bereit.

F: Wie extrahiere ich Text mit dem Textgerät?

A: Schritt 5 umfasst die Erstellung einesStringBuilder Objekt, das den extrahierten Text enthält. Anschließend durchlaufen Sie jede Seite des Dokuments und verwenden aTextDevice zusammen mitTextExtractionOptions um Text von jeder Seite zu extrahieren.

F: Wie speichere ich den extrahierten Text in einer Datei?

A: In Schritt 6 geben Sie den Pfad der Ausgabedatei an und verwenden denFile.WriteAllTextMethode zum Speichern des extrahierten Textes in einer Textdatei.

F: Was ist die wichtigste Erkenntnis aus diesem Tutorial?

A: Durch die Befolgung dieses Tutorials haben Sie gelernt, wie Sie die Textgerätefunktion in Aspose.PDF für .NET nutzen, um Text aus einem PDF-Dokument zu extrahieren. Der extrahierte Text wurde in einer bestimmten Ausgabedatei gespeichert, sodass Sie den extrahierten Inhalt nach Bedarf bearbeiten und verwenden können.