Wyodrębnij sformatowany tekst ze strony dokumentu

Wstęp

W tym samouczku przeprowadzimy Cię przez proces wyodrębniania sformatowanego tekstu ze stron dokumentu za pomocą GroupDocs.Parser dla .NET. Ta biblioteka umożliwia wydajne analizowanie i wyodrębnianie tekstu z różnych formatów dokumentów, takich jak PDF, Word, Excel i innych.

Warunki wstępne

Zanim zaczniemy, upewnij się, że masz następujące elementy:

• Program Visual Studio zainstalowany w systemie.
• Podstawowa znajomość programowania w języku C#.
• Biblioteka GroupDocs.Parser dla .NET. Możesz go pobraćTutaj.

Importuj przestrzenie nazw

Najpierw zacznij od zaimportowania niezbędnych przestrzeni nazw do projektu C#.

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

Krok 1: Utwórz instancję klasy analizatora składni

Rozpocznij od utworzenia instancjiParser class, podając ścieżkę do przykładowego pliku.

using (Parser parser = new Parser("YourSampleFile.pdf"))
{
    // Kod trafi tutaj
}

Krok 2: Sprawdź, czy obsługiwana jest ekstrakcja sformatowanego tekstu

Przed przystąpieniem do wyodrębniania tekstu sprawdź, czy dokument obsługuje wyodrębnianie tekstu w formacie.

if (!parser.Features.FormattedText)
{
    Console.WriteLine("Document does not support formatted text extraction.");
    return;
}

Krok 3: Uzyskaj informacje o dokumencie

Pobierz informacje o dokumencie, takie jak liczba stron.

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

Krok 4: Iteruj po stronach dokumentu i wyodrębnij sformatowany tekst

Iteruj po każdej stronie dokumentu i wyodrębnij sformatowany tekst, korzystając z określonych opcji (np. format Markdown).

for (int p = 0; p < documentInfo.PageCount; p++)
{
    Console.WriteLine($"Page {p + 1}/{documentInfo.PageCount}");
    
    using (TextReader reader = parser.GetFormattedText(p, new FormattedTextOptions(FormattedTextMode.Markdown)))
    {
        Console.WriteLine(reader.ReadToEnd());
    }
}

Wniosek

Teraz wiesz, jak wyodrębnić sformatowany tekst ze stron dokumentu za pomocą GroupDocs.Parser dla .NET. Ta biblioteka zapewnia wydajne i łatwe w użyciu rozwiązanie do wyodrębniania tekstu z różnych formatów plików.

Często zadawane pytania

Czy GroupDocs.Parser obsługuje różne formaty plików?

Tak, GroupDocs.Parser obsługuje szeroką gamę formatów dokumentów, w tym PDF, DOCX, XLSX, PPTX i inne.

Czy GroupDocs.Parser jest zgodny z platformą .NET Core?

Tak, GroupDocs.Parser obsługuje .NET Core i .NET Framework.

Czy GroupDocs.Parser zachowuje formatowanie tekstu podczas wyodrębniania?

Tak, GroupDocs.Parser może podczas wyodrębniania tekstu zachować formatowanie, takie jak style i czcionki.

Czy mogę wyodrębnić obrazy i metadane za pomocą GroupDocs.Parser?

Tak, GroupDocs.Parser umożliwia wyodrębnianie obrazów, metadanych i tekstu z dokumentów.

Jak mogę uzyskać pomoc dotyczącą GroupDocs.Parser?

Możesz uzyskać wsparcie odForum GroupDocs.Parser.