Wyodrębnij akapity z pliku PDF

Ten samouczek poprowadzi Cię przez proces wyodrębniania akapitów 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

1. Utwórz nowy projekt C# w preferowanym środowisku programistycznym.
2. Dodaj odwołanie do biblioteki Aspose.PDF dla .NET.

Krok 2: Zaimportuj wymagane przestrzenie nazw

W pliku kodu, z którego chcesz wyodrębnić akapity, dodaj następujące dyrektywy using na górze pliku:

using Aspose.Pdf;
using System;
using System.Text;

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 pomocąDocumentkonstruktora i przekazując ścieżkę do wejściowego pliku PDF.

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

Krok 5: Wyodrębnij akapity

Utwórz instancjęParagraphAbsorber klasę i użyj jejVisit metoda wyodrębniania akapitów z dokumentu.

ParagraphAbsorber absorb = new ParagraphAbsorber();
absorb.Visit(doc);

Krok 6: Iteruj po akapitach

Przejdź w pętli wyodrębnione akapity, aby uzyskać dostęp do zawartości tekstu. Użyj zagnieżdżonych pętli, aby przechodzić przez sekcje i linie w każdym akapicie.

foreach(PageMarkup markup in absorber.PageMarkups)
{
     int i = 1;
     foreach(MarkupSection section in markup.Sections)
     {
         int j = 1;
         foreach(MarkupParagraph paragraph in section.Paragraphs)
         {
             StringBuilder paragraphText = new StringBuilder();
             foreach(List<TextFragment> line in paragraph.Lines)
             {
                 foreach(TextFragment fragment in line)
                 {
                     paragraphText.Append(fragment.Text);
                 }
                 paragraphText. Append("\r\n");
             }
             paragraphText. Append("\r\n");
             Console.WriteLine("Paragraph {0} of section {1} on page {2}:", j, i, markup.Number);
             Console.WriteLine(paragraphText.ToString());
             j++;
         }
         i++;
     }
}

Przykładowy kod źródłowy dla wyodrębnienia akapitów przy użyciu Aspose.PDF dla .NET

// Ścieżka do katalogu dokumentów.
string dataDir = "YOUR DOCUMENT DIRECTORY";
//Otwórz istniejący plik PDF
Document doc = new Document(dataDir + "input.pdf");
// Utwórz instancję ParagraphAbsorber
ParagraphAbsorber absorber = new ParagraphAbsorber();
absorber.Visit(doc);
foreach (PageMarkup markup in absorber.PageMarkups)
{
	int i = 1;
	foreach (MarkupSection section in markup.Sections)
	{
		int j = 1;
		foreach (MarkupParagraph paragraph in section.Paragraphs)
		{
			StringBuilder paragraphText = new StringBuilder();
			foreach (List<TextFragment> line in paragraph.Lines)
			{
				foreach (TextFragment fragment in line)
				{
					paragraphText.Append(fragment.Text);
				}
				paragraphText.Append("\r\n");
			}
			paragraphText.Append("\r\n");
			Console.WriteLine("Paragraph {0} of section {1} on page {2}:", j, i, markup.Number);
			Console.WriteLine(paragraphText.ToString());
			j++;
		}
		i++;
	}
}

Wniosek

Pomyślnie wyodrębniłeś akapity z dokumentu PDF przy użyciu Aspose.PDF dla .NET. Wyodrębnione akapity zostały wyświetlone w oknie konsoli.

Często zadawane pytania

P: Jaki jest cel tego samouczka?

Odp.: Ten samouczek ma na celu poprowadzić Cię przez proces wyodrębniania akapitów z pliku PDF przy użyciu Aspose.PDF dla .NET. Towarzyszący kod źródłowy języka C# zawiera praktyczne kroki umożliwiające osiągnięcie tego zadania.

P: Jakie przestrzenie nazw powinienem zaimportować?

O: W pliku kodu, z którego chcesz wyodrębnić akapity, umieść na początku pliku następujące dyrektywy using:

using Aspose.Pdf;
using System;
using System.Text;

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 akapity z dokumentu?

O: Krok 5 polega na utworzeniu instancji plikuParagraphAbsorber klasę i używanie jejVisit metoda wyodrębniania akapitów z dokumentu PDF.

P: Jak iterować po wyodrębnionych akapitach?

O: Krok 6 poprowadzi Cię przez przeglądanie wyodrębnionych akapitów. Zagnieżdżone pętle służą do przechodzenia przez sekcje i linie każdego akapitu, ostatecznie uzyskując dostęp i wyświetlając zawartość tekstu.

P: Jaki jest najważniejszy wniosek z tego samouczka?

Odp.: Wykonując ten samouczek, nauczyłeś się wyodrębniać akapity z dokumentu PDF przy użyciu Aspose.PDF dla .NET. Wyodrębnione akapity zostały wyświetlone w oknie konsoli, zapewniając cenny wgląd w strukturę treści dokumentu.