提取 PDF 檔案中的段落
本教學將引導您完成使用 Aspose.PDF for .NET 提取 PDF 文件中的段落的過程。提供的 C# 原始程式碼演示了必要的步驟。
要求
在開始之前,請確保您具備以下條件:
- Visual Studio 或電腦上安裝的任何其他 C# 編譯器。
- Aspose.PDF for .NET 函式庫。您可以從 Aspose 官方網站下載它或使用 NuGet 等套件管理器來安裝它。
第 1 步:設定項目
- 在您首選的開發環境中建立一個新的 C# 專案。
- 新增對 Aspose.PDF for .NET 函式庫的參考。
步驟2:導入所需的命名空間
在要提取段落的程式碼檔案中,在檔案頂部加入以下 using 指令:
using Aspose.Pdf;
using System;
using System.Text;
第三步:設定文檔目錄
在程式碼中,找到顯示以下內容的行string dataDir = "YOUR DOCUMENT DIRECTORY";
並替換"YOUR DOCUMENT DIRECTORY"
以及儲存文檔的目錄的路徑。
步驟 4:開啟 PDF 文檔
使用以下命令開啟現有 PDF 文檔Document
建構函數並將路徑傳遞給輸入 PDF 檔案。
Document doc = new Document(dataDir + "input.pdf");
第五步:提取段落
實例化ParagraphAbsorber
類別並使用它的Visit
從文件中提取段落的方法。
ParagraphAbsorber absorb = new ParagraphAbsorber();
absorb.Visit(doc);
第 6 步:遍歷段落
循環瀏覽提取的段落以存取文字內容。使用巢狀循環遍歷每個段落中的部分和行。
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++;
}
}
使用 Aspose.PDF for .NET 擷取段落的範例原始碼
//文檔目錄的路徑。
string dataDir = "YOUR DOCUMENT DIRECTORY";
//開啟現有的 PDF 文件
Document doc = new Document(dataDir + "input.pdf");
//實例化 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++;
}
}
結論
您已使用 Aspose.PDF for .NET 成功從 PDF 文件中擷取段落。提取的段落已顯示在控制台視窗中。
常見問題解答
Q:本教學的目的是什麼?
答:本教學課程旨在引導您完成使用 Aspose.PDF for .NET 從 PDF 檔案中擷取段落的過程。隨附的 C# 原始程式碼提供了實現此任務的實用步驟。
Q:我應該導入哪些命名空間?
答:在要擷取段落的程式碼檔案中,在檔案開頭包含以下 using 指令:
using Aspose.Pdf;
using System;
using System.Text;
Q:如何指定文檔目錄?
答:找到該線string dataDir = "YOUR DOCUMENT DIRECTORY";
在代碼中並替換"YOUR DOCUMENT DIRECTORY"
與文檔目錄的實際路徑。
Q:如何開啟現有的 PDF 文件?
答:在步驟 4 中,您將使用以下命令開啟現有的 PDF 文件:Document
建構函數並提供輸入 PDF 檔案的路徑。
Q:如何從文件中提取段落?
答:第 5 步涉及建立一個實例ParagraphAbsorber
類別並使用它的Visit
從 PDF 文件中提取段落的方法。
問:如何迭代擷取的段落?
答:第 6 步將引導您循環瀏覽提取的段落。巢狀循環用於遍歷每個段落中的節和行,最終存取和顯示文字內容。
Q:本教程的主要內容是什麼?
答:透過學習本教學課程,您已經了解如何使用 Aspose.PDF for .NET 從 PDF 文件中擷取段落。提取的段落已顯示在控制台視窗中,為您提供對文件內容結構的寶貴見解。