Извлечь абзацы из PDF-файла

Это руководство проведет вас через процесс извлечения абзацев из PDF-файла с помощью Aspose.PDF для .NET. Приведенный исходный код C# демонстрирует необходимые шаги.

Требования

Прежде чем начать, убедитесь, что у вас есть следующее:

• Visual Studio или любой другой компилятор C#, установленный на вашем компьютере.
• Aspose.PDF для библиотеки .NET. Вы можете скачать его с официального сайта Aspose или использовать для установки менеджер пакетов, например NuGet.

Шаг 1. Настройте проект

1. Создайте новый проект C# в предпочитаемой вами среде разработки.
2. Добавьте ссылку на библиотеку Aspose.PDF для .NET.

Шаг 2. Импортируйте необходимые пространства имен.

В файл кода, из которого вы хотите извлечь абзацы, добавьте в верхней части файла следующие директивы:

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

Шаг 3. Установите каталог документов.

В коде найдите строку с надписьюstring dataDir = "YOUR DOCUMENT DIRECTORY"; и заменить"YOUR DOCUMENT DIRECTORY" с путем к каталогу, в котором хранятся ваши документы.

Шаг 4. Откройте PDF-документ.

Откройте существующий PDF-документ с помощьюDocumentконструктор и передав путь к входному PDF-файлу.

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

Шаг 5. Извлечение абзацев

Создайте экземплярParagraphAbsorber класс и использовать егоVisit метод извлечения абзацев из документа.

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

Шаг 6. Перебирайте абзацы

Прокрутите извлеченные абзацы, чтобы получить доступ к текстовому содержимому. Используйте вложенные циклы для перемещения по разделам и строкам внутри каждого абзаца.

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++;
     }
}

Пример исходного кода для извлечения абзацев с использованием Aspose.PDF для .NET

// Путь к каталогу документов.
string dataDir = "YOUR DOCUMENT DIRECTORY";
//Открыть существующий PDF-файл
Document doc = new Document(dataDir + "input.pdf");
// Создать экземпляр 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++;
	}
}

Заключение

Вы успешно извлекли абзацы из PDF-документа с помощью Aspose.PDF для .NET. Извлеченные абзацы отобразились в окне консоли.

Часто задаваемые вопросы

Вопрос: Какова цель этого урока?

О: Это руководство призвано помочь вам извлечь абзацы из файла PDF с помощью Aspose.PDF для .NET. Сопровождающий исходный код C# предоставляет практические шаги для решения этой задачи.

Вопрос: Какие пространства имен мне следует импортировать?

О: В файле кода, из которого вы собираетесь извлечь абзацы, включите в начало файла следующие директивы using:

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

Вопрос: Как указать каталог документа?

A: Найдите строкуstring dataDir = "YOUR DOCUMENT DIRECTORY"; в коде и замените"YOUR DOCUMENT DIRECTORY" с фактическим путем к каталогу вашего документа.

Вопрос: Как открыть существующий PDF-документ?

О: На шаге 4 вы откроете существующий PDF-документ, используяDocument конструктор и указав путь к входному PDF-файлу.

Вопрос: Как извлечь абзацы из документа?

О: Шаг 5 включает в себя создание экземпляраParagraphAbsorber класс и используя егоVisit метод извлечения абзацев из PDF-документа.

Вопрос: Как перебирать извлеченные абзацы?

О: Шаг 6 поможет вам пройтись по извлеченным абзацам. Вложенные циклы используются для перемещения по разделам и строкам внутри каждого абзаца, обеспечивая в конечном итоге доступ к текстовому содержимому и его отображение.

Вопрос: Каков основной вывод из этого урока?

О: Следуя этому руководству, вы научились извлекать абзацы из PDF-документа с помощью Aspose.PDF для .NET. Извлеченные абзацы отображаются в окне консоли, предоставляя вам ценную информацию о структуре содержимого документа.