Tabellen aus der Dokumentseite extrahieren

Einführung

In diesem Tutorial erfahren Sie, wie Sie mit GroupDocs.Parser für .NET Tabellen aus einer Dokumentseite extrahieren. GroupDocs.Parser ist eine leistungsstarke Bibliothek, die es Entwicklern ermöglicht, mit verschiedenen Dokumentformaten wie PDF, DOCX, XLSX und mehr zu arbeiten. Indem wir seine Funktionen nutzen, können wir strukturierte Daten wie Tabellen effizient aus diesen Dokumenten extrahieren und die Informationen programmgesteuert bearbeiten und analysieren.

Voraussetzungen

Stellen Sie vor dem Start sicher, dass Sie über Folgendes verfügen:

• Visual Studio ist auf Ihrem Computer installiert.
• Grundlegende Kenntnisse der C#- und .NET-Entwicklung.
• GroupDocs.Parser für .NET-Bibliothek. Sie können es herunterladen vonHier.
• Zugriff auf ein Beispieldokument (PDF, DOCX usw.) mit Tabellen zur Extraktion.

Namespaces importieren

Importieren Sie zunächst die erforderlichen Namespaces in Ihr C#-Projekt:

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

Schritt 1: Erstellen Sie eine Instanz der Parser-Klasse

Instanziieren Sie denParser Klasse, indem Sie den Pfad zu Ihrem Beispieldokument angeben:

using (Parser parser = new Parser("YourSampleFile.pdf"))
{
    //Ihr Code wird hier fortgesetzt ...
}

Schritt 2: Überprüfen Sie die Unterstützung für die Extraktion von Dokumenttabellen

Bevor Sie fortfahren, überprüfen Sie, ob das Dokument die Tabellenextraktion unterstützt:

if (!parser.Features.Tables)
{
    Console.WriteLine("Document does not support table extraction.");
    return;
}

Schritt 3: Tabellenlayout definieren

Definieren Sie das Layout der Tabellen, die aus dem Dokument extrahiert werden sollen. Geben Sie Spaltenbreiten und Zeilenhöhen entsprechend der Struktur Ihres Dokuments an:

TemplateTableLayout layout = new TemplateTableLayout(
    new double[] { 50, 95, 275, 415, 485, 545 },  // Spaltenbreiten
    new double[] { 325, 340, 365, 395 });         // Zeilenhöhen

Schritt 4: Konfigurieren Sie die Optionen zur Tabellenextraktion

Erstellen Sie Optionen zur Tabellenextraktion unter Verwendung des angegebenen Layouts:

PageTableAreaOptions options = new PageTableAreaOptions(layout);

Schritt 5: Dokumentinformationen abrufen

Holen Sie sich Informationen zum Dokument, einschließlich der Seitenzahl:

IDocumentInfo documentInfo = parser.GetDocumentInfo();
if (documentInfo.PageCount == 0)
{
    Console.WriteLine("Document has no pages.");
    return;
}

Schritt 6: Über Dokumentseiten iterieren

Durchlaufen Sie jede Seite des Dokuments, um Tabellen zu extrahieren:

for (int pageIndex = 0; pageIndex < documentInfo.PageCount; pageIndex++)
{
    Console.WriteLine($"Page {pageIndex + 1}/{documentInfo.PageCount}");
    // Tabellen aus der aktuellen Seite extrahieren
    IEnumerable<PageTableArea> tables = parser.GetTables(pageIndex, options);
    // Über extrahierte Tabellen iterieren
    foreach (PageTableArea table in tables)
    {
        // Über die Zeilen der Tabelle iterieren
        for (int row = 0; row < table.RowCount; row++)
        {
            // Über Spalten der Tabelle iterieren
            for (int column = 0; column < table.ColumnCount; column++)
            {
                // Abrufen der Tabellenzelle
                PageTableAreaCell cell = table[row, column];
                if (cell != null)
                {
                    // Drucken Sie den Text der Tabellenzelle
                    Console.Write(cell.Text);
                    Console.Write(" | ");
                }
            }
            Console.WriteLine();
        }
        Console.WriteLine();
    }
}

Abschluss

In diesem Tutorial haben wir den Prozess des Extrahierens von Tabellen aus Dokumentseiten mithilfe von GroupDocs.Parser für .NET behandelt. Indem Sie die angegebenen Schritte befolgen, können Sie die Tabellenextraktionsfunktion nahtlos in Ihre .NET-Anwendungen integrieren und so strukturierte Daten in Dokumenten effizient verarbeiten und bearbeiten.

Häufig gestellte Fragen

Kann GroupDocs.Parser Tabellen aus allen Dokumenttypen extrahieren?

GroupDocs.Parser unterstützt verschiedene Dokumentformate wie PDF, DOCX, XLSX und mehr und ermöglicht die Tabellenextraktion aus kompatiblen Dateitypen.

Ist GroupDocs.Parser für .NET für die Dokumentenverarbeitung im großen Maßstab geeignet?

Ja, GroupDocs.Parser ist für die effiziente Handhabung großer Dokumente konzipiert und eignet sich daher für die Verarbeitung umfangreicher Datensätze.

Behält GroupDocs.Parser die Formatierung während der Tabellenextraktion bei?

Ja, GroupDocs.Parser behält während der Tabellenextraktion Formatierungsdetails wie Zellränder, Textstile und Ausrichtungen bei.

Kann ich bestimmte Tabellen anhand inhaltlicher Kriterien extrahieren?

GroupDocs.Parser bietet flexible Optionen, um bestimmte Tabellen basierend auf Layoutvorlagen oder Inhaltsbedingungen für die Extraktion anzusprechen.

Ist GroupDocs.Parser mit .NET Core kompatibel?

Ja, GroupDocs.Parser ist sowohl mit .NET Framework- als auch mit .NET Core-Umgebungen kompatibel.