Extraiga texto de una página en PDF en modo sin formato

Introducción

En este tutorial, exploraremos cómo usar GroupDocs.Parser para .NET para extraer texto de páginas en documentos PDF usando el modo sin formato. GroupDocs.Parser es una poderosa herramienta que permite a los desarrolladores trabajar con varios formatos de documentos mediante programación.

Requisitos previos

Antes de comenzar este tutorial, asegúrese de tener lo siguiente:

• Visual Studio instalado en su máquina.
• Conocimientos básicos de programación en C#.
• Biblioteca GroupDocs.Parser para .NET, que puededescarga aquí.
• Un archivo PDF de muestra para fines de prueba.

Importar espacios de nombres

Primero, asegúrese de importar los espacios de nombres necesarios en su proyecto C#:

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

Paso 1: crear una instancia de la clase Parser

Para comenzar, cree una instancia delParserclass proporcionando la ruta a su archivo PDF de muestra.

using (Parser parser = new Parser("YourSampleFile.pdf"))
{
    // Tu código va aquí
}

Paso 2: obtener información del documento e iterar sobre las páginas

A continuación, recupere la información del documento y repita cada página para extraer el texto.

IDocumentInfo documentInfo = parser.GetDocumentInfo();
for (int p = 0; p < documentInfo.RawPageCount; p++)
{
    Console.WriteLine($"Page {p + 1}/{documentInfo.RawPageCount}");
    // Su código para la extracción de texto va aquí
}

Paso 3: extraiga el texto de cada página

Dentro del bucle, utilice elGetText Método para extraer texto de cada página e imprimirlo.

using (TextReader reader = parser.GetText(p, new TextOptions(true)))
{
    Console.WriteLine(reader.ReadToEnd());
}

Conclusión

En este tutorial, aprendimos cómo extraer texto de páginas PDF en modo sin formato usando GroupDocs.Parser para .NET. Este proceso implica la creación de unParser Por ejemplo, obtener información del documento, iterar sobre cada página y extraer texto utilizando elGetText método.

Preguntas frecuentes

¿Qué es GroupDocs.Parser para .NET?

GroupDocs.Parser para .NET es una API de análisis de documentos que permite a los desarrolladores extraer texto, metadatos y otra información de varios formatos de archivos mediante programación.

¿Cómo descargo GroupDocs.Parser para .NET?

Puedes descargar la biblioteca desdeSitio web de GroupDocs.

¿Hay una prueba gratuita disponible?

Sí, puede acceder a una prueba gratuita de GroupDocs.Parser para .NET desdeaquí.

¿Dónde puedo encontrar soporte para GroupDocs.Parser para .NET?

Para asistencia técnica y apoyo comunitario, visite elForo de documentos de grupo.

¿Cómo puedo adquirir una licencia de GroupDocs.Parser para .NET?

Puede adquirir una licencia en elpagina de compra o adquirir una licencia temporalaquí.