Reconhecendo texto em regiões retangulares

Introdução

Neste tutorial, exploraremos como usar GroupDocs.Parser for .NET para reconhecer texto em regiões retangulares específicas de documentos. GroupDocs.Parser é uma biblioteca poderosa que permite aos desenvolvedores extrair texto, metadados e muito mais de vários formatos de arquivo, incluindo PDF, Word, Excel e PowerPoint.

Pré-requisitos

Antes de começarmos, certifique-se de ter a seguinte configuração:

  • GroupDocs.Parser for .NET: Baixe e instale a biblioteca deaqui.
  • Ambiente de desenvolvimento: Visual Studio ou qualquer outro IDE .NET.
  • Documento de amostra: Tenha um arquivo de amostra (por exemplo, PDF, DOCX) que contenha texto a ser reconhecido.

Importar namespaces

Primeiro, você precisará importar os namespaces necessários para seu código C#:

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;

Etapa 1: inicializar as configurações do analisador

Comece configurando oParserSettings com o conector OCR. Aqui, usaremos o conector local Aspose OCR:

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

Etapa 2: criar uma instância do analisador

A seguir, instancie oParser class com as configurações definidas anteriormente:

using (Parser parser = new Parser("YourSampleFile.pdf", settings))
{
    // O código continua aqui
}

Substituir"YourSampleFile.pdf" com o caminho para o seu documento.

Etapa 3: Definir retângulo de OCR

Defina um retângulo dentro do documento onde será realizado o reconhecimento do texto. Por exemplo, um retângulo começando em(0, 0) com largura400 e altura200:

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

Etapa 4: configurar opções de reconhecimento de texto

CriarTextOptions para especificar o uso de OCR junto com o retângulo definido:

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

Etapa 5: extrair texto usando OCR

Use oGetText método doParser instância com o configuradoTextOptions:

using (TextReader reader = parser.GetText(options))
{
    // Leia o texto extraído ou trate o caso 'não suportado'
    Console.WriteLine(reader == null ? "Text extraction isn't supported" : reader.ReadToEnd());
}

Conclusão

Neste tutorial, demonstramos como aproveitar o GroupDocs.Parser for .NET para extrair texto de regiões retangulares específicas em documentos usando OCR. Este processo pode ser ainda mais personalizado e integrado em vários aplicativos para tarefas automatizadas de extração de texto.

Perguntas frequentes

O GroupDocs.Parser pode extrair texto de documentos digitalizados?

Sim, GroupDocs.Parser suporta OCR (Optical Character Recognition) para extrair texto de documentos digitalizados.

Quais formatos de arquivo o GroupDocs.Parser suporta?

GroupDocs.Parser oferece suporte a uma ampla variedade de formatos de arquivo, incluindo PDF, DOCX, XLSX, PPTX e muito mais.

Como posso lidar com documentos que não são compatíveis com extração de texto?

Você pode verificar se a extração de texto é suportada usandoTextReader instância retornada porparser.GetText(options).

O GroupDocs.Parser é adequado para tarefas de extração de texto em grande escala?

Sim, GroupDocs.Parser foi projetado para lidar com tarefas de extração de texto em grande escala com eficiência.

Onde posso obter suporte para problemas relacionados ao GroupDocs.Parser?

Para suporte e discussões, visite oFórum GroupDocs.Parser.

Reconhecendo Texto em Áreas Específicas