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
- Erstellen Sie ein neues C#-Projekt in Ihrer bevorzugten Entwicklungsumgebung.
- 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 mitDocument
Konstruktor 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.WriteAllText
Methode 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.