Metin Çıkarma

Metin Çıkarma

Aspose.PDF FOSS for .NET provides several mechanisms for extracting text from PDF sayfaları. TextFragmentAbsorber Ana araç - sayfa içeriğini tarar Geri dönüş yapılmıştır. TextFragment pozisyon, yazı tipi ve tarzı nesneler Bilgi için.

Temel metin ekstraksiyonu

TextAbsorber Bir sayfadan veya belgenin tek bir çubuk olarak tüm metni çıkarır.

using var doc = Document.Open(pdfBytes);

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

string pageText = absorber.Text;

Fragmanları Yazma

TextFragmentAbsorber Yapılandırılmış sonuçlar sağlar. her bir TextFragment Çekilen metin, sayfasında yerini ve yazı tipi ayrıntılarını içerir.

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}");
}

Düzenli ifadelerle arama yapın

Regex modelini kullanın TextFragmentAbsorber Özel bir yazı bulmak için.

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}");
}

Yazı segmentleri

Each TextFragment Çok sayıda içerebilir TextSegment Konu: Metin Yazıldığında Farklı yazıları kullanır.

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

Font Yönetimi

FontRepository Yazıları bulma ve yükleme yöntemleri sağlar.

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

Tekstil Paragrafları Yapımı

TextParagraph • Birden fazla metin bloklarının oluşturulmasını sağlar. Bir sayfa .

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

İpuçları ve En İyi Uygulamalar

• Kullanım TextFragmentAbsorber • Konumu ve yazı tipi verilerine ihtiyacınız olduğunda; kullanın TextAbsorber Plain-text ekstraksiyon için.
• Daha hızlı sonuçlar için tek bir sayfada absorber kabul edin veya doc.Pages Tüm belgeyi aramak için.
• Düzenli ifade arama varsayılan olarak durum hassas - kullanımı (?i) durum hassas eşleşme için bir önizleme.
• Check TextState.Font.IsEmbedded Bir yazı tipi PDF’ye yerleştirildiğini belirlemek için.
• Büyük belgeler için, hafıza kullanımını yönetmek için sayfaları bir kez işlemeyin.

ortak sorunlar

FAQ

Bir sayfadan bir bölgeye yazım çıkarabilir miyim?

Evet Set TextFragmentAbsorber.TextSearchOptions.Rectangle Arama sınırlaması Sayfanın belirli bir alanı.

Yazı Ekstraksiyonu Okuma Düzenini Korur mu?

Kütüphane, içerik akışında metni geri getirir. çok sütunlu düzenler için bölümleri konumuna göre sıralamak gerekebilir.

Tüm sayfalarımdan tek seferde bir yazı çıkarabilir miyim?

Evet Çağrı doc.Pages.Accept(absorber) Belgenin her sayfası için arama yapın.

API Referans Özetleri

See Also

• Aspose.PDF for .NET Enterprise Product