Reconhecendo Texto em Áreas Específicas

Introdução

Neste tutorial, exploraremos como usar GroupDocs.Parser for .NET para reconhecer e extrair texto de áreas específicas de um documento. GroupDocs.Parser é uma poderosa biblioteca de análise de documentos que permite aos desenvolvedores trabalhar com vários formatos de documentos, incluindo PDF, Word, Excel, PowerPoint e muito mais. Especificamente, nos concentraremos em aproveitar os recursos de OCR (reconhecimento óptico de caracteres) do GroupDocs.Parser para extrair texto de áreas definidas em um documento.

Pré-requisitos

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

  1. IDE do Visual Studio: certifique-se de ter o Visual Studio instalado em sua máquina.
  2. GroupDocs.Parser for .NET: Baixe e instale GroupDocs.Parser for .NET a partir doLink para Download.
  3. Amostras de documentos: Prepare arquivos de amostra (por exemplo, PDF, DOCX) dos quais deseja extrair texto.

Importar namespaces

Para começar, importe os namespaces necessários para o seu projeto:

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;

Vamos dividir o processo em etapas detalhadas usando GroupDocs.Parser for .NET:

Etapa 1: Criar configurações do analisador com conector OCR

Primeiro, crie uma instância deParserSettingsclasse e inicializá-lo com um conector OCR, comoAsposeOcrOnPremise:

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

Etapa 2: instanciar o analisador com configurações

Em seguida, crie uma instância deParser classe passando o criado anteriormenteParserSettings:

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

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

Etapa 3: configurar opções de extração de área de texto

Crie uma instância dePageTextAreaOptions para ativar a extração de texto baseada em OCR:

PageTextAreaOptions options = new PageTextAreaOptions(true);

Definirtrue para ativar o OCR para melhor reconhecimento de texto.

Etapa 4: extrair áreas de texto

Invocarparser.GetTextAreas(options) para extrair áreas de texto do documento:

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

Etapa 5: processar áreas de texto extraídas

Itere sobre as áreas de texto extraídas e recupere informações de texto, posição e tamanho:

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})");
}

Conclusão

Neste tutorial, abordamos o processo de extração de texto de áreas específicas de um documento usando GroupDocs.Parser for .NET com recursos de OCR. Seguindo essas etapas, você pode aproveitar efetivamente as funcionalidades de análise do GroupDocs.Parser para lidar com tarefas de extração de texto de forma programática.

Perguntas frequentes

O GroupDocs.Parser pode extrair texto de documentos digitalizados?

Sim, GroupDocs.Parser oferece suporte a OCR para extrair texto de imagens digitalizadas em documentos.

Quais formatos de documento são suportados pelo GroupDocs.Parser?

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

O GroupDocs.Parser é adequado para processamento em lote de documentos?

Sim, GroupDocs.Parser pode lidar com tarefas de processamento em lote com eficiência para análise e extração de documentos.

Posso personalizar as opções de extração de texto com GroupDocs.Parser?

Sim, GroupDocs.Parser oferece várias opções para personalizar a extração de texto com base em requisitos específicos.

O GroupDocs.Parser oferece suporte para extração de metadados de documentos?

Sim, GroupDocs.Parser permite a extração de metadados como autor, data de criação e muito mais de formatos de documentos suportados.

Reconhecendo Texto Reconhecendo texto em regiões retangulares