正確なモードでページからテキストを抽出する
導入
このチュートリアルでは、GroupDocs.Parser for .NET を使用して、ドキュメントから正確なモードでテキストを抽出する方法について説明します。GroupDocs.Parser は、開発者が .NET アプリケーションでさまざまなドキュメント形式を操作して、正確かつ簡単にテキストを抽出できるようにする強力な API です。このガイドを読み終えると、GroupDocs.Parser の機能を活用してドキュメントから効率的にテキストを抽出できるようになります。
前提条件
続行する前に、次の前提条件を満たしていることを確認してください。
- 環境設定: .NET がインストールされた作業環境を用意します。
- GroupDocs.Parserのインストール: GroupDocs.Parser for .NETをダウンロードしてインストールします。ここ.
- C# の基本的な理解: C# プログラミング言語に精通していると有利です。
名前空間のインポート
実装に進む前に、必要な名前空間をインポートしてください。
using System;
using System.Collections.Generic;
using System.IO;
using System.Text;
using GroupDocs.Parser.Options;
ステップ1: パーサークラスのインスタンスを作成する
まず、Parserサンプル ファイルへのパスを指定してクラスを作成します。
using (Parser parser = new Parser("YourSampleFile"))
{
//コードの実装はここに記述します
}
ステップ2: テキスト抽出サポートを確認する
次に、ドキュメントがテキスト抽出をサポートしているかどうかを確認します。Features.Text財産。
if (!parser.Features.Text)
{
Console.WriteLine("Document doesn't support text extraction.");
return;
}
ステップ3: ドキュメント情報を取得する
ドキュメントに関する情報を取得するにはGetDocumentInfo()方法。
IDocumentInfo documentInfo = parser.GetDocumentInfo();
if (documentInfo.PageCount == 0)
{
Console.WriteLine("Document doesn't have pages.");
return;
}
ステップ4: ページを反復処理してテキストを抽出する
文書の各ページを反復処理し、以下を使用してテキストを抽出します。GetText()方法。
for (int p = 0; p < documentInfo.PageCount; p++)
{
Console.WriteLine($"Page {p + 1}/{documentInfo.PageCount}");
using (TextReader reader = parser.GetText(p))
{
Console.WriteLine(reader.ReadToEnd());
}
}
結論
このチュートリアルでは、GroupDocs.Parser for .NET を使用してドキュメントからテキストを抽出するプロセスについて説明しました。これらの手順に従うことで、テキスト抽出機能を .NET アプリケーションにシームレスに統合し、さまざまなドキュメント形式を効率的に操作できるようになります。
よくある質問
GroupDocs.Parser は複雑なドキュメント形式からテキストを抽出するのに適していますか?
はい、GroupDocs.Parser は、PDF、DOCX などの複雑な形式を含む幅広いドキュメント形式をサポートしています。
この API を使用してドキュメントから特定のテキストセクションを抽出できますか?
もちろんです。特定のページからテキストを抽出したり、ドキュメント内でカスタム抽出領域を定義したりすることもできます。
GroupDocs.Parser はテキスト抽出中に書式を維持しますか?
GroupDocs.Parser は、該当する場合はドキュメントの書式設定を保持しながら、正確なテキスト抽出に重点を置いています。
GroupDocs.Parser をテストできる試用版はありますか?
はい、無料試用版を入手できますここ.
GroupDocs.Parser に関するサポートやさらなる支援はどこで受けられますか?
訪問することができますGroupDocs.Parser フォーラムサポートに関するお問い合わせは、
