Распознавание текста в прямоугольных областях

Введение

В этом руководстве мы рассмотрим, как использовать GroupDocs.Parser для .NET для распознавания текста в определенных прямоугольных областях документов. GroupDocs.Parser — это мощная библиотека, которая позволяет разработчикам извлекать текст, метаданные и многое другое из файлов различных форматов, включая PDF, Word, Excel и PowerPoint.

Предварительные условия

Прежде чем мы начнем, убедитесь, что у вас установлены следующие настройки:

  • GroupDocs.Parser для .NET: загрузите и установите библиотеку с сайтаздесь.
  • Среда разработки: Visual Studio или любая другая .NET IDE.
  • Образец документа. Имейте образец файла (например, PDF, DOCX), содержащий текст, который необходимо распознать.

Импортировать пространства имен

Сначала вам нужно импортировать необходимые пространства имен в ваш код 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;

Шаг 1. Инициализируйте настройки парсера

Начните с настройкиParserSettings с разъемом OCR. Здесь мы будем использовать локальный коннектор Aspose OCR:

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

Шаг 2. Создайте экземпляр парсера

Далее создайте экземплярParser класс с ранее определенными настройками:

using (Parser parser = new Parser("YourSampleFile.pdf", settings))
{
    // Код продолжается здесь
}

Заменять"YourSampleFile.pdf" с путем к вашему документу.

Шаг 3. Определите прямоугольник OCR

Определите прямоугольник внутри документа, где будет выполняться распознавание текста. Например, прямоугольник, начинающийся с(0, 0) с шириной400 и высота200:

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

Шаг 4. Настройте параметры распознавания текста

СоздаватьTextOptions чтобы указать использование OCR вместе с определенным прямоугольником:

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

Шаг 5. Извлеките текст с помощью OCR

ИспользоватьGetText методParser экземпляр с настроеннымTextOptions:

using (TextReader reader = parser.GetText(options))
{
    // Прочитайте извлеченный текст или обработайте случай «не поддерживается»
    Console.WriteLine(reader == null ? "Text extraction isn't supported" : reader.ReadToEnd());
}

Заключение

В этом руководстве мы продемонстрировали, как использовать GroupDocs.Parser для .NET для извлечения текста из определенных прямоугольных областей документов с помощью OCR. Этот процесс можно дополнительно настроить и интегрировать в различные приложения для задач автоматического извлечения текста.

Часто задаваемые вопросы

Может ли GroupDocs.Parser извлекать текст из отсканированных документов?

Да, GroupDocs.Parser поддерживает OCR (оптическое распознавание символов) для извлечения текста из отсканированных документов.

Какие форматы файлов поддерживает GroupDocs.Parser?

GroupDocs.Parser поддерживает широкий спектр форматов файлов, включая PDF, DOCX, XLSX, PPTX и другие.

Как я могу обрабатывать документы, из которых не поддерживается извлечение текста?

Вы можете проверить, поддерживается ли извлечение текста, используяTextReader экземпляр, возвращенныйparser.GetText(options).

Подходит ли GroupDocs.Parser для крупномасштабных задач извлечения текста?

Да, GroupDocs.Parser предназначен для эффективного решения крупномасштабных задач по извлечению текста.

Где я могу получить поддержку по вопросам, связанным с GroupDocs.Parser?

Для поддержки и обсуждения посетитеФорум GroupDocs.Parser.

Распознавание текста в определенных областях