Wyodrębnij tekst z określonych obszarów za pomocą opcji

Wstęp

W tym samouczku omówimy, jak używać programu GroupDocs.Parser dla platformy .NET do wyodrębniania tekstu z określonych obszarów dokumentu przy użyciu konfigurowalnych opcji. GroupDocs.Parser to potężna biblioteka, która umożliwia programistom bezproblemowe analizowanie i wyodrębnianie tekstu z dokumentów o różnych formatach.

Warunki wstępne

Zanim zagłębimy się w kodowanie, upewnij się, że masz następujące elementy:

1. Środowisko programistyczne: Zainstaluj program Visual Studio lub dowolne inne środowisko programistyczne .NET.
2. Biblioteka GroupDocs.Parser: Pobierz i zainstaluj GroupDocs.Parser dla .NET zTutaj.
3. Przykładowy plik: Przygotuj przykładowy dokument (np. PDF, DOCX itp.), z którego chcesz wyodrębnić tekst.

Importuj przestrzenie nazw

Najpierw musisz zaimportować niezbędne przestrzenie nazw, aby uzyskać dostęp do klas i metod GroupDocs.Parser.

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

Krok 1: Utwórz instancję klasy analizatora składni

Zainicjuj instancjęParser class, podając ścieżkę do przykładowego pliku.

using (Parser parser = new Parser("YourSampleFile.pdf"))
{
    // Tutaj będzie umieszczony kod do wyodrębniania obszaru tekstowego
}

Krok 2: Zdefiniuj opcje wyodrębniania obszaru tekstowego

TworzyćPageTextAreaOptions aby określić kryteria wyodrębniania tekstu.

PageTextAreaOptions options = new PageTextAreaOptions("\\s[a-z]{2}\\s", new Rectangle(new Point(0, 0), new Size(300, 100)));

W tym przykładzie:

• "\\s[a-z]{2}\\s" to wzorzec wyrażenia regularnego dopasowujący obszary tekstowe zawierające wyłącznie małe litery.
• new Rectangle(new Point(0, 0), new Size(300, 100)) definiuje prostokąt (położenie i rozmiar) na stronie, z którego ma zostać wyodrębniony tekst.

Krok 3: Wyodrębnij obszary tekstowe

Użyj zdefiniowanych opcji, aby wyodrębnić obszary tekstowe spełniające określone kryteria.

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

Krok 4: Sprawdź i wykonaj iterację po wyodrębnionych obszarach tekstowych

Sprawdź, czy obsługiwane jest wyodrębnianie obszarów tekstowych, a następnie wykonaj iterację po wyodrębnionych obszarach.

if (areas == null)
{
    Console.WriteLine("Page text areas extraction isn't supported");
    return;
}
foreach (PageTextArea a in areas)
{
    Console.WriteLine(string.Format("Page: {0}, R: {1}, Text: {2}", a.Page.Index, a.Rectangle, a.Text));
}

Wniosek

W tym samouczku omówiliśmy sposób wyodrębniania tekstu z określonych obszarów dokumentu za pomocą programu GroupDocs.Parser dla platformy .NET. Biblioteka ta oferuje szerokie możliwości analizowania różnych formatów dokumentów, co czyni ją cennym narzędziem do zadań wyodrębniania tekstu.

Często zadawane pytania

Czy GroupDocs.Parser może wyodrębnić tekst ze zeskanowanych dokumentów?

Tak, GroupDocs.Parser obsługuje wyodrębnianie tekstu zeskanowanych dokumentów w oparciu o OCR.

Czy GroupDocs.Parser jest kompatybilny z wieloma formatami dokumentów?

Tak, może analizować i wyodrębniać tekst z plików PDF, DOCX, XLSX, PPTX i innych popularnych formatów.

Czy GroupDocs.Parser zapewnia obsługę platformy .NET Core?

Tak, GroupDocs.Parser jest kompatybilny z .NET Core i .NET Framework.

Czy mogę wyodrębnić metadane wraz z tekstem za pomocą GroupDocs.Parser?

Tak, możesz wyodrębnić z dokumentów zarówno treść tekstową, jak i metadane.

Czy dostępna jest wersja próbna programu GroupDocs.Parser?

Tak, możesz uzyskać bezpłatną wersję próbną odTutaj.