Iterar pelos campos

Introdução

GroupDocs.Parser for .NET é uma biblioteca poderosa que permite aos desenvolvedores extrair dados de vários formatos de documentos como PDF, Microsoft Word, Excel e PowerPoint. Este tutorial irá guiá-lo através do processo de uso do GroupDocs.Parser para iterar pelos campos do documento e extrair dados específicos usando modelos. Ao final deste tutorial, você será capaz de extrair com eficiência dados estruturados de documentos em seus aplicativos .NET.

Pré-requisitos

Antes de começarmos, certifique-se de ter os seguintes pré-requisitos configurados:

• Conhecimento básico de programação C#.
• Visual Studio instalado em sua máquina.
• Biblioteca GroupDocs.Parser for .NET instalada e referenciada em seu projeto.

Importar namespaces

Para começar, adicione os namespaces necessários ao seu arquivo C#:

using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using GroupDocs.Parser.Data;
using GroupDocs.Parser.Templates;

Vamos dividir o processo em instruções passo a passo.

Etapa 1: definir campos de modelo

Primeiro, defina os campos que deseja extrair do documento usando expressões regulares.

// Defina um campo "preço"
TemplateField priceField = new TemplateField(
    new TemplateRegexPosition("\\$\\d+(.\\d+)?"),
    "Price");
// Defina um campo "e-mail"
TemplateField emailField = new TemplateField(
    new TemplateRegexPosition("[a-z]+\\@[a-z]+\\.[a-z]+"),
    "Email");
// Crie um modelo com campos definidos
Template template = new Template(new TemplateItem[] { priceField, emailField });

Nesta etapa definimos dois campos: um para extração de preços (identificados pelo cifrão e dígitos) e outro para extração de endereços de e-mail.

Etapa 2: analisar o documento

A seguir, use oParser class para analisar o documento usando o modelo definido.

using (Parser parser = new Parser("YourSampleFile.pdf"))
{
    // Analise o documento pelo modelo
    DocumentData data = parser.ParseByTemplate(template);
    // Iterar através dos dados extraídos
    for (int i = 0; i < data.Count; i++)
    {
        // Imprimir nome do campo
        Console.Write(data[i].Name + ": ");
        // Verifique se a área extraída é texto
        PageTextArea area = data[i].PageArea as PageTextArea;
        Console.WriteLine(area == null ? "Not a template field" : area.Text);
    }
}

Aqui inicializamos oParser com o caminho para seu documento de amostra e, em seguida, analise o documento usando o modelo definido. Em seguida, iteramos pelos dados extraídos e imprimimos os nomes dos campos junto com o texto extraído.

Conclusão

Neste tutorial, exploramos como usar GroupDocs.Parser for .NET para extrair dados específicos de documentos usando modelos. Ao aproveitar expressões regulares e modelos, você pode extrair com eficiência informações estruturadas de vários formatos de documentos. Experimente diferentes modelos e tipos de documentos para atender às suas necessidades específicas de extração.

Perguntas frequentes

GroupDocs.Parser pode extrair dados de documentos digitalizados?

Sim, o GroupDocs.Parser pode extrair texto e metadados de documentos PDF digitalizados e pesquisáveis.

O GroupDocs.Parser é compatível com aplicativos .NET Core?

Sim, GroupDocs.Parser oferece suporte a .NET Core junto com .NET Framework.

Quais formatos de documento o GroupDocs.Parser suporta?

GroupDocs.Parser oferece suporte a uma ampla variedade de formatos, incluindo PDF, Microsoft Word, Excel, PowerPoint e muito mais.

Como posso lidar com documentos grandes com GroupDocs.Parser?

GroupDocs.Parser oferece opções para extrair dados de páginas ou seções específicas de documentos grandes, garantindo um processamento eficiente.

Posso usar GroupDocs.Parser apenas para extração de texto?

Sim, você pode extrair conteúdo de texto simples de documentos usando GroupDocs.Parser sem a necessidade de formatação complexa.