แยกข้อความทั้งหมดในไฟล์ PDF
บทช่วยสอนนี้จะแนะนำคุณตลอดกระบวนการแยกข้อความทั้งหมดในไฟล์ PDF โดยใช้ Aspose.PDF สำหรับ .NET ซอร์สโค้ด C# ที่ให้มาสาธิตขั้นตอนที่จำเป็น
ความต้องการ
ก่อนที่คุณจะเริ่มต้น ตรวจสอบให้แน่ใจว่าคุณมีสิ่งต่อไปนี้:
- Visual Studio หรือคอมไพเลอร์ C# อื่น ๆ ที่ติดตั้งบนเครื่องของคุณ
- Aspose.PDF สำหรับไลบรารี .NET คุณสามารถดาวน์โหลดได้จากเว็บไซต์อย่างเป็นทางการของ Aspose หรือใช้ตัวจัดการแพ็คเกจเช่น NuGet เพื่อติดตั้ง
ขั้นตอนที่ 1: ตั้งค่าโครงการ
- สร้างโปรเจ็กต์ C# ใหม่ในสภาพแวดล้อมการพัฒนาที่คุณต้องการ
- เพิ่มการอ้างอิงถึงไลบรารี Aspose.PDF สำหรับ .NET
ขั้นตอนที่ 2: นำเข้าเนมสเปซที่จำเป็น
ในไฟล์โค้ดที่คุณต้องการแยกข้อความ ให้เพิ่มคำสั่งต่อไปนี้ที่ด้านบนของไฟล์:
using Aspose.Pdf;
using System.IO;
ขั้นตอนที่ 3: ตั้งค่าไดเร็กทอรีเอกสาร
ในโค้ด ให้ค้นหาบรรทัดที่ระบุว่าstring dataDir = "YOUR DOCUMENT DIRECTORY"; และแทนที่"YOUR DOCUMENT DIRECTORY" พร้อมเส้นทางไปยังไดเร็กทอรีที่เก็บเอกสารของคุณ
ขั้นตอนที่ 4: เปิดเอกสาร PDF
เปิดเอกสาร PDF ที่มีอยู่โดยใช้ไฟล์DocumentConstructor และส่งเส้นทางไปยังไฟล์ PDF อินพุต
Document pdfDocument = new Document(dataDir + "ExtractTextAll.pdf");
ขั้นตอนที่ 5: แยกข้อความทั้งหมด
สร้างกTextAbsorberวัตถุเพื่อแยกข้อความจากเอกสาร จากนั้นจึงรับตัวดูดซับทุกหน้า
TextAbsorber textAbsorber = new TextAbsorber();
pdfDocument.Pages.Accept(textAbsorber);
ขั้นตอนที่ 6: รับข้อความที่แยกออกมา
เข้าถึงข้อความที่แยกมาจากTextAbsorber วัตถุ.
string extractedText = textAbsorber.Text;
ขั้นตอนที่ 7: บันทึกข้อความที่แยกออกมา
สร้างกTextWriter และเปิดไฟล์ที่คุณต้องการบันทึกข้อความที่แยกออกมา เขียนข้อความที่แยกออกมาลงในไฟล์และปิดสตรีม
TextWriter tw = new StreamWriter(dataDir + "extracted-text.txt");
tw.WriteLine(extractedText);
tw. Close();
ตัวอย่างซอร์สโค้ดสำหรับแยกข้อความทั้งหมดโดยใช้ Aspose.PDF สำหรับ .NET
// เส้นทางไปยังไดเร็กทอรีเอกสาร
string dataDir = "YOUR DOCUMENT DIRECTORY";
// เปิดเอกสาร
Document pdfDocument = new Document(dataDir + "ExtractTextAll.pdf");
// สร้างวัตถุ TextAbsorber เพื่อแยกข้อความ
TextAbsorber textAbsorber = new TextAbsorber();
// รับซับทุกหน้า
pdfDocument.Pages.Accept(textAbsorber);
// รับข้อความที่แยกออกมา
string extractedText = textAbsorber.Text;
// สร้างนักเขียนและเปิดไฟล์
TextWriter tw = new StreamWriter(dataDir + "extracted-text.txt");
// เขียนบรรทัดข้อความลงในไฟล์
tw.WriteLine(extractedText);
// ปิดสตรีม
tw.Close();
บทสรุป
คุณได้แยกข้อความทั้งหมดจากเอกสาร PDF โดยใช้ Aspose.PDF สำหรับ .NET สำเร็จแล้ว ข้อความที่แยกออกมาได้รับการบันทึกลงในไฟล์เอาท์พุตที่ระบุ
คำถามที่พบบ่อย
ถาม: จุดประสงค์ของบทช่วยสอนนี้คืออะไร?
ตอบ: บทช่วยสอนนี้ทำหน้าที่เป็นแนวทางเพื่อช่วยคุณแยกข้อความทั้งหมดจากไฟล์ PDF โดยใช้ Aspose.PDF สำหรับ .NET ซอร์สโค้ด C# ที่ให้มาจะให้คำแนะนำทีละขั้นตอนเพื่อให้งานนี้สำเร็จ
ถาม: ฉันควรนำเข้าเนมสเปซใด
ตอบ: ในไฟล์โค้ดที่คุณต้องการแยกข้อความ ให้รวมคำสั่งต่อไปนี้ไว้ที่ตอนต้นของไฟล์:
using Aspose.Pdf;
using System.IO;
ถาม: ฉันจะระบุไดเรกทอรีเอกสารได้อย่างไร
ตอบ: ค้นหาบรรทัดstring dataDir = "YOUR DOCUMENT DIRECTORY"; ในโค้ดและแทนที่"YOUR DOCUMENT DIRECTORY" ด้วยเส้นทางจริงไปยังไดเร็กทอรีเอกสารของคุณ
ถาม: ฉันจะเปิดเอกสาร PDF ที่มีอยู่ได้อย่างไร
ตอบ: ในขั้นตอนที่ 4 คุณจะเปิดเอกสาร PDF ที่มีอยู่โดยใช้ไฟล์Document ตัวสร้างและจัดเตรียมเส้นทางไปยังไฟล์ PDF อินพุต
ถาม: ฉันจะแยกข้อความทั้งหมดออกจากเอกสารได้อย่างไร
ตอบ: ขั้นตอนที่ 5 เกี่ยวข้องกับการสร้างTextAbsorber วัตถุเพื่อแยกข้อความจากเอกสาร PDF จากนั้นจึงรับตัวดูดซับทุกหน้า
ถาม: ฉันจะเข้าถึงข้อความที่แยกออกมาได้อย่างไร
ตอบ: ขั้นตอนที่ 6 จะแนะนำคุณตลอดการเข้าถึงข้อความที่แยกมาจากTextAbsorber วัตถุ.
ถาม: ฉันจะบันทึกข้อความที่แยกออกมาเป็นไฟล์ได้อย่างไร
ตอบ: ในขั้นตอนที่ 7 คุณจะสร้างไฟล์TextWriterให้เปิดไฟล์ที่คุณต้องการบันทึกข้อความที่แยกออกมา เขียนข้อความที่แยกออกมาลงในไฟล์ จากนั้นปิดสตรีม
ถาม: สิ่งสำคัญที่ได้รับจากบทช่วยสอนนี้คืออะไร
ตอบ: เมื่อทำตามบทช่วยสอนนี้ คุณได้เรียนรู้วิธีแยกข้อความทั้งหมดจากเอกสาร PDF โดยใช้ Aspose.PDF สำหรับ .NET ข้อความที่แยกออกมาได้รับการบันทึกลงในไฟล์เอาท์พุตที่ระบุ ทำให้คุณสามารถวิเคราะห์และจัดการเนื้อหาที่เป็นข้อความของเอกสารได้
