Rozpoznawanie tekstu w określonych obszarach

Wstęp

W tym samouczku omówimy, jak używać GroupDocs.Parser dla .NET do rozpoznawania i wyodrębniania tekstu z określonych obszarów dokumentu. GroupDocs.Parser to potężna biblioteka do analizowania dokumentów, która umożliwia programistom pracę z różnymi formatami dokumentów, w tym PDF, Word, Excel, PowerPoint i innymi. W szczególności skupimy się na wykorzystaniu możliwości OCR (optycznego rozpoznawania znaków) programu GroupDocs.Parser w celu wyodrębnienia tekstu ze zdefiniowanych obszarów dokumentu.

Warunki wstępne

Zanim zaczniemy, upewnij się, że masz skonfigurowane następujące wymagania wstępne:

1. Visual Studio IDE: Upewnij się, że masz zainstalowany program Visual Studio na swoim komputerze.
2. GroupDocs.Parser dla .NET: Pobierz i zainstaluj GroupDocs.Parser dla .NET zlink do pobrania.
3. Próbki dokumentów: Przygotuj przykładowe pliki (np. PDF, DOCX), z których chcesz wyodrębnić tekst.

Importuj przestrzenie nazw

Aby rozpocząć, zaimportuj niezbędne przestrzenie nazw do swojego projektu:

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;

Podzielmy proces na szczegółowe kroki, korzystając z GroupDocs.Parser dla .NET:

Krok 1: Utwórz ustawienia analizatora składni za pomocą złącza OCR

Najpierw utwórz instancjęParserSettingsclass i zainicjuj ją za pomocą złącza OCR, takiego jakAsposeOcrOnPremise:

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

Krok 2: Utwórz instancję analizatora składni z ustawieniami

Następnie utwórz instancjęParser klasę, przekazując wcześniej utworzonąParserSettings:

using (Parser parser = new Parser("YourSampleFile.pdf", settings))
{
    // Fragment kodu ciąg dalszy...
}

Zastępować"YourSampleFile.pdf" ze ścieżką do dokumentu docelowego.

Krok 3: Skonfiguruj opcje wyodrębniania obszaru tekstowego

Utwórz instancjęPageTextAreaOptions aby włączyć wyodrębnianie tekstu w oparciu o OCR:

PageTextAreaOptions options = new PageTextAreaOptions(true);

Ustawićtrue aby włączyć OCR w celu lepszego rozpoznawania tekstu.

Krok 4: Wyodrębnij obszary tekstowe

Odwołać sięparser.GetTextAreas(options) aby wyodrębnić obszary tekstowe z dokumentu:

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

Krok 5: Przetwórz wyodrębnione obszary tekstowe

Iteruj po wyodrębnionych obszarach tekstowych i pobieraj informacje o tekście, położeniu i rozmiarze:

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})");
}

Wniosek

W tym samouczku omówiliśmy proces wyodrębniania tekstu z określonych obszarów dokumentu przy użyciu narzędzia GroupDocs.Parser dla platformy .NET z funkcjami OCR. Wykonując poniższe kroki, można skutecznie wykorzystać funkcje analizowania programu GroupDocs.Parser do programowej obsługi zadań wyodrębniania tekstu.

Często zadawane pytania

Czy GroupDocs.Parser może wyodrębnić tekst ze zeskanowanych dokumentów?

Tak, GroupDocs.Parser obsługuje OCR w celu wyodrębnienia tekstu z zeskanowanych obrazów w dokumentach.

Jakie formaty dokumentów są obsługiwane przez GroupDocs.Parser?

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

Czy GroupDocs.Parser nadaje się do wsadowego przetwarzania dokumentów?

Tak, GroupDocs.Parser może wydajnie obsługiwać zadania przetwarzania wsadowego w celu analizowania i wyodrębniania dokumentów.

Czy mogę dostosować opcje wyodrębniania tekstu za pomocą GroupDocs.Parser?

Tak, GroupDocs.Parser oferuje różne opcje dostosowywania wyodrębniania tekstu w oparciu o określone wymagania.

Czy GroupDocs.Parser zapewnia obsługę wyodrębniania metadanych z dokumentów?

Tak, GroupDocs.Parser umożliwia wyodrębnianie metadanych, takich jak autor, data utworzenia i inne, z obsługiwanych formatów dokumentów.