חילוץ טקסט

חילוץ טקסט

Aspose.PDF FOSS for .NET מספק כמה מנגנונים לחילוץ טקסט מ
דפי PDF. TextFragmentAbsorber הוא הכלי הראשי — הוא סורק את תוכן
העמוד ומחזיר אובייקטים מובנים של TextFragment עם מיקום, גופן, ו
מידע על סגנון.

חילוץ טקסט בסיסי

TextAbsorber מחלץ את כל הטקסט מדף או מסמך כמחרוזת יחידה.

using var doc = Document.Open(pdfBytes);

var absorber = new TextAbsorber();
doc.Pages[1].Accept(absorber);

string pageText = absorber.Text;

חילוץ קטעי טקסט

TextFragmentAbsorber מספק תוצאות מובנות. כל TextFragment כולל את הטקסט המופק, המיקום שלו בדף, ופרטי הגופן.

using var doc = Document.Open(pdfBytes);

var absorber = new TextFragmentAbsorber();
doc.Pages[1].Accept(absorber);

foreach (var fragment in absorber.TextFragments)
{
    Console.WriteLine($"Text: {fragment.Text}");
    Console.WriteLine($"Position: ({fragment.Position.XIndent}, {fragment.Position.YIndent})");
    Console.WriteLine($"Font: {fragment.TextState.Font.FontName}");
}

חיפוש עם ביטויים רגולריים

העבר תבנית regex ל-TextFragmentAbsorber כדי למצוא טקסט ספציפי.

var absorber = new TextFragmentAbsorber(@"\d{3}-\d{2}-\d{4}");
doc.Pages.Accept(absorber);  // Search all pages

foreach (var fragment in absorber.TextFragments)
{
    Console.WriteLine($"Found: {fragment.Text}");
}

קטעי טקסט

כל TextFragment עשוי להכיל מספר רב של עצמים TextSegment כאשר הטקסט מתפרס על ריצות גופנים שונות.

foreach (var fragment in absorber.TextFragments)
{
    foreach (var segment in fragment.Segments)
    {
        Console.WriteLine($"Segment: {segment.Text}, Font: {segment.TextState.Font.FontName}");
    }
}

ניהול גופנים

FontRepository מספקת שיטות למציאת וטעינת גופנים.

var font = FontRepository.FindFont("Helvetica");

בניית פסקאות טקסט

TextParagraph מאפשר בניית בלוקי טקסט מרובי שורות להוספה לעמוד.

var paragraph = new TextParagraph();
paragraph.AppendLine(new TextFragment("First line"));
paragraph.AppendLine(new TextFragment("Second line"));

טיפים ושיטות מומלצות

• השתמש בTextFragmentAbsorber כאשר אתה צריך נתוני מיקום וגופן; השתמש בTextAbsorber לחילוץ טקסט פשוט.
• קבל את הסופג בעמוד יחיד לתוצאות מהירות יותר, או בdoc.Pages כדי לחפש את כל המסמך.
• חיפוש ביטוי רגולרי רגיש לאותיות גדולות/קטנות כברירת מחדל — השתמש בקידומת (?i) להתאמה שאינה רגישה לאותיות.
• בדוק את TextState.Font.IsEmbedded כדי לקבוע האם גופן משובץ ב‑PDF.
• עבור מסמכים גדולים, עבד עמודים אחד אחרי השני כדי לנהל את השימוש בזיכרון.

בעיות נפוצות

שאלות נפוצות

האם ניתן לחלץ טקסט מאזור ספציפי של דף?

כן. הגדר TextFragmentAbsorber.TextSearchOptions.Rectangle כדי להגביל את החיפוש לאזור ספציפי של העמוד.

האם חילוץ טקסט משמר סדר קריאה?

הספרייה מחזירה טקסט בסדר זרם‑התוכן. עבור פריסות מרובות עמודות, ייתכן שתצטרך למיין קטעים לפי מיקום.

האם אני יכול לחלץ טקסט מכל העמודים בבת אחת?

כן. קרא doc.Pages.Accept(absorber) כדי לחפש בכל דף במסמך.

API סיכום הפניות

ראה גם

• Aspose.PDF for .NET מוצר Enterprise