Szöveg felismerése meghatározott területeken

Bevezetés

Ebben az oktatóanyagban azt fogjuk megvizsgálni, hogyan használható a GroupDocs.Parser for .NET a dokumentum meghatározott területeinek szöveg felismerésére és kibontására. A GroupDocs.Parser egy hatékony dokumentumelemző könyvtár, amely lehetővé teszi a fejlesztők számára, hogy különféle dokumentumformátumokkal dolgozzanak, beleértve a PDF, Word, Excel, PowerPoint stb. Konkrétan a GroupDocs.Parser OCR (Optical Character Recognition) képességeinek kihasználására fogunk összpontosítani, hogy szöveget kinyerhessünk a dokumentum meghatározott területeiről.

Előfeltételek

Mielőtt elkezdené, győződjön meg arról, hogy beállította a következő előfeltételeket:

  1. Visual Studio IDE: Győződjön meg arról, hogy a Visual Studio telepítve van a gépen.
  2. GroupDocs.Parser for .NET: Töltse le és telepítse a GroupDocs.Parser for .NET webhelyrőlletöltési link.
  3. Dokumentumminták: Készítsen mintafájlokat (pl. PDF, DOCX), amelyekből szöveget szeretne kinyerni.

Névterek importálása

A kezdéshez importálja a szükséges névtereket a projektbe:

using System;
using System.Collections.Generic;
using System.Drawing;
using System.IO;
using System.Linq;
using System.Text;
using Aspose.OCR;
using GroupDocs.Parser.Data;
using GroupDocs.Parser.Options;

Bontsuk le a folyamatot részletes lépésekre a GroupDocs.Parser for .NET használatával:

1. lépés: Hozzon létre elemző beállításokat az OCR csatlakozóval

Először hozzon létre egy példányt aParserSettingsosztályt, és inicializálja egy OCR csatlakozóval, mint plAsposeOcrOnPremise:

ParserSettings settings = new ParserSettings(new AsposeOcrOnPremise());

2. lépés: Példányosítsa az Elemzőt a beállításokkal

Ezután hozzon létre egy példányt aParser osztályban a korábban létrehozott átadásávalParserSettings:

using (Parser parser = new Parser("YourSampleFile.pdf", settings))
{
    // A kódrészlet folytatódik...
}

Cserélje ki"YourSampleFile.pdf" a céldokumentum elérési útjával.

3. lépés: Konfigurálja a szövegterület-kivonási beállításokat

Hozzon létre egy példányt aPageTextAreaOptions az OCR-alapú szövegkivonás engedélyezéséhez:

PageTextAreaOptions options = new PageTextAreaOptions(true);

Készlettrue hogy engedélyezze az OCR-t a jobb szövegfelismerés érdekében.

4. lépés: Szövegterületek kibontása

Invokálparser.GetTextAreas(options) szöveges területek kivonásához a dokumentumból:

IEnumerable<PageTextArea> areas = parser.GetTextAreas(options);

5. lépés: A kivont szövegterületek feldolgozása

Iteráljon a kivont szövegterületeken, és kérjen le szöveget, pozíciót és méretet:

foreach (PageTextArea area in areas)
{
    Console.WriteLine(area.Text);
    Console.WriteLine($"\tPosition: ({area.Rectangle.Left}; {area.Rectangle.Top})");
    Console.WriteLine($"\tSize: ({area.Rectangle.Size.Width}; {area.Rectangle.Size.Height})");
}

Következtetés

Ebben az oktatóanyagban bemutattuk azt a folyamatot, amellyel egy dokumentum adott területeiről szöveget vonhatunk ki a GroupDocs.Parser for .NET segítségével OCR-képességekkel. Az alábbi lépések követésével hatékonyan kihasználhatja a GroupDocs.Parser elemzési funkcióit a szövegkivonási feladatok programozott kezelésére.

GYIK

A GroupDocs.Parser ki tudja bontani a szöveget a beolvasott dokumentumokból?

Igen, a GroupDocs.Parser támogatja az OCR-t a dokumentumokon belüli szkennelt képek szövegének kinyerésére.

Mely dokumentumformátumokat támogatja a GroupDocs.Parser?

A GroupDocs.Parser a formátumok széles skáláját támogatja, beleértve a PDF, DOCX, XLSX, PPTX, TXT stb.

A GroupDocs.Parser alkalmas dokumentumok kötegelt feldolgozására?

Igen, a GroupDocs.Parser hatékonyan tudja kezelni a kötegelt feldolgozási feladatokat a dokumentumok elemzéséhez és kibontásához.

Testreszabhatom a szövegkivonási beállításokat a GroupDocs.Parser segítségével?

Igen, a GroupDocs.Parser különféle lehetőségeket kínál a szövegkivonat testreszabására az adott követelmények alapján.

A GroupDocs.Parser támogatja a metaadatok dokumentumokból történő kinyerését?

Igen, a GroupDocs.Parser lehetővé teszi metaadatok, például szerző, létrehozási dátum és egyebek kinyerését a támogatott dokumentumformátumokból.

Szöveg felismerése Szöveg felismerése téglalap alakú területeken