Herkennen van tekst in rechthoekige gebieden

Invoering

In deze zelfstudie onderzoeken we hoe u GroupDocs.Parser voor .NET kunt gebruiken om tekst in specifieke rechthoekige gebieden van documenten te herkennen. GroupDocs.Parser is een krachtige bibliotheek waarmee ontwikkelaars tekst, metagegevens en meer kunnen extraheren uit verschillende bestandsindelingen, waaronder PDF, Word, Excel en PowerPoint.

Vereisten

Voordat we beginnen, zorg ervoor dat u het volgende hebt ingesteld:

  • GroupDocs.Parser voor .NET: Download en installeer de bibliotheek vanhier.
  • Ontwikkelomgeving: Visual Studio of een andere .NET IDE.
  • Voorbeelddocument: Zorg voor een voorbeeldbestand (bijvoorbeeld PDF, DOCX) dat tekst bevat die moet worden herkend.

Naamruimten importeren

Eerst moet u de benodigde naamruimten in uw C#-code importeren:

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;

Stap 1: Initialiseer de parserinstellingen

Begin met het instellen van deParserSettings met de OCR-connector. Hier gebruiken we de Aspose OCR on-premise connector:

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

Stap 2: Parser-instantie maken

Instantieer vervolgens deParser klasse met de eerder gedefinieerde instellingen:

using (Parser parser = new Parser("YourSampleFile.pdf", settings))
{
    // Code gaat hier verder
}

Vervangen"YourSampleFile.pdf" met het pad naar uw document.

Stap 3: Definieer de OCR-rechthoek

Definieer een rechthoek binnen het document waar tekstherkenning zal worden uitgevoerd. Bijvoorbeeld een rechthoek die begint bij(0, 0) met breedte400 en hoogte200:

OcrOptions ocrOptions = new OcrOptions(new Data.Rectangle(0, 0, 400, 200));

Stap 4: Configureer opties voor tekstherkenning

CreërenTextOptions om het OCR-gebruik samen met de gedefinieerde rechthoek op te geven:

TextOptions options = new TextOptions(false, true, ocrOptions);

Stap 5: Tekst extraheren met OCR

Gebruik deGetText werkwijze van deParser exemplaar met de geconfigureerdeTextOptions:

using (TextReader reader = parser.GetText(options))
{
    // Lees de geëxtraheerde tekst of handel 'niet ondersteund' geval af
    Console.WriteLine(reader == null ? "Text extraction isn't supported" : reader.ReadToEnd());
}

Conclusie

In deze zelfstudie hebben we gedemonstreerd hoe u GroupDocs.Parser voor .NET kunt gebruiken om tekst uit specifieke rechthoekige gebieden in documenten te extraheren met behulp van OCR. Dit proces kan verder worden aangepast en geïntegreerd in verschillende toepassingen voor geautomatiseerde tekstextractietaken.

Veelgestelde vragen

Kan GroupDocs.Parser tekst extraheren uit gescande documenten?

Ja, GroupDocs.Parser ondersteunt OCR (Optical Character Recognition) voor het extraheren van tekst uit gescande documenten.

Welke bestandsformaten ondersteunt GroupDocs.Parser?

GroupDocs.Parser ondersteunt een breed scala aan bestandsindelingen, waaronder PDF, DOCX, XLSX, PPTX en meer.

Hoe kan ik omgaan met documenten die niet worden ondersteund voor tekstextractie?

U kunt controleren of tekstextractie wordt ondersteund met behulp vanTextReader exemplaar geretourneerd doorparser.GetText(options).

Is GroupDocs.Parser geschikt voor grootschalige tekstextractietaken?

Ja, GroupDocs.Parser is ontworpen om grootschalige tekstextractietaken efficiënt af te handelen.

Waar kan ik ondersteuning krijgen voor problemen met GroupDocs.Parser?

Voor ondersteuning en discussies kunt u terecht op deGroupDocs.Parser-forum.

Tekst herkennen in specifieke gebieden