Extrahujte text z dokumentu aplikace Excel jako HTML

Úvod

V tomto tutoriálu prozkoumáme, jak používat GroupDocs.Parser for .NET k extrahování textu z dokumentu aplikace Excel a jeho převodu do formátu HTML. GroupDocs.Parser je výkonná knihovna, která umožňuje vývojářům pracovat s různými formáty dokumentů a efektivně extrahovat text a metadata.

Předpoklady

Než začneme, ujistěte se, že máte následující nastavení:

• Visual Studio nainstalované ve vašem systému.
• Základní znalost programování v C#.
• Knihovna GroupDocs.Parser pro .NET. Můžete si jej stáhnout ztady.

Import jmenných prostorů

Začněte tím, že do svého projektu C# zahrnete potřebné jmenné prostory, abyste získali přístup k funkcím GroupDocs.Parser.

using System;
using System.Collections.Generic;
using System.IO;
using System.Text;
using GroupDocs.Parser.Data;
using GroupDocs.Parser.Options;

Krok 1: Vytvořte instanci třídy analyzátoru

Nejprve vytvořte instanciParser třídy poskytnutím cesty k dokumentu aplikace Excel.

using (Parser parser = new Parser("YourSampleFile.xlsx"))
{
    // Další kód bude uveden zde
}

Nahradit"YourSampleFile.xlsx" s cestou k souboru Excel.

Krok 2: Extrahujte text jako HTML

V rámciusing blokuParser například použijteGetFormattedText metoda pro extrakci formátovaného textu v režimu HTML.

using (Parser parser = new Parser("YourSampleFile.xlsx"))
{
    using (TextReader reader = parser.GetFormattedText(new FormattedTextOptions(FormattedTextMode.Html)))
    {
        // Další kód bude uveden zde
    }
}

Krok 3: Přečtěte si a vytiskněte extrahovaný HTML text

Dále si přečtěte extrahovaný text HTML zTextReader a vytiskněte jej do konzole.

using (Parser parser = new Parser("YourSampleFile.xlsx"))
{
    using (TextReader reader = parser.GetFormattedText(new FormattedTextOptions(FormattedTextMode.Html)))
    {
        Console.WriteLine(reader.ReadToEnd());
    }
}

Po spuštění tento kód extrahuje text z dokumentu aplikace Excel a zobrazí jej v konzole jako formát HTML.

Závěr

V tomto tutoriálu jsme se naučili používat GroupDocs.Parser for .NET k extrahování textu z dokumentu aplikace Excel a jeho převodu do formátu HTML. Tato knihovna poskytuje přímočarý způsob práce s různými formáty dokumentů a umožňuje vývojářům efektivně zvládat úlohy extrakce textu v jejich aplikacích.

FAQ

Dokáže GroupDocs.Parser zpracovat jiné formáty dokumentů kromě Excelu?

Ano, GroupDocs.Parser podporuje širokou škálu formátů souborů včetně PDF, Word, PowerPoint a dalších.

Je GroupDocs.Parser kompatibilní s .NET Core?

Ano, GroupDocs.Parser je kompatibilní s .NET Framework i .NET Core.

Zachová GroupDocs.Parser formátování během extrakce textu?

Ano, GroupDocs.Parser může během extrakce textu zachovat formátování, jako jsou fonty, styly a rozvržení.

Mohu extrahovat metadata z dokumentů pomocí GroupDocs.Parser?

Ano, GroupDocs.Parser umožňuje extrahování metadat, jako je autor, datum vytvoření a další, z podporovaných typů dokumentů.

Je k dispozici bezplatná zkušební verze pro GroupDocs.Parser?

Ano, můžete si stáhnout bezplatnou zkušební verzi ztady.