Extrahera text från specifika områden med alternativ

Introduktion

I den här handledningen kommer vi att utforska hur du använder GroupDocs.Parser för .NET för att extrahera text från specifika områden i ett dokument med hjälp av anpassningsbara alternativ. GroupDocs.Parser är ett kraftfullt bibliotek som gör det möjligt för utvecklare att analysera och extrahera text från olika dokumentformat utan ansträngning.

Förutsättningar

Innan vi dyker in i kodningen, se till att du har följande:

1. Utvecklingsmiljö: Installera Visual Studio eller någon annan .NET-utvecklings-IDE.
2. GroupDocs.Parser Library: Ladda ner och installera GroupDocs.Parser för .NET frånhär.
3. Exempelfil: Förbered ett exempeldokument (t.ex. PDF, DOCX, etc.) att extrahera text från.

Importera namnområden

Först måste du importera de nödvändiga namnområdena för att komma åt GroupDocs.Parser-klasserna och metoderna.

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

Steg 1: Skapa en instans av Parser Class

Initiera en instans avParser klass genom att ange sökvägen till din exempelfil.

using (Parser parser = new Parser("YourSampleFile.pdf"))
{
    // Koden för textområdesextraktion kommer hit
}

Steg 2: Definiera textområdesextraktionsalternativ

SkapaPageTextAreaOptions för att ange kriterierna för textextraktion.

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

I det här exemplet:

• "\\s[a-z]{2}\\s" är ett reguljärt uttrycksmönster för att matcha textområden som endast innehåller gemener.
• new Rectangle(new Point(0, 0), new Size(300, 100)) definierar rektangeln (position och storlek) på sidan som text ska extraheras från.

Steg 3: Extrahera textområden

Använd de definierade alternativen för att extrahera textområden som uppfyller de angivna kriterierna.

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

Steg 4: Kontrollera och iterera över extraherade textområden

Kontrollera om textområdesextraktion stöds och iterera sedan över de extraherade områdena.

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));
}

Slutsats

I den här handledningen har vi täckt hur man extraherar text från specifika områden i ett dokument med GroupDocs.Parser för .NET. Det här biblioteket erbjuder omfattande möjligheter för att analysera olika dokumentformat, vilket gör det till ett värdefullt verktyg för textextraktionsuppgifter.

FAQ’s

Kan GroupDocs.Parser extrahera text från skannade dokument?

Ja, GroupDocs.Parser stöder OCR-baserad textextraktion för skannade dokument.

Är GroupDocs.Parser kompatibel med flera dokumentformat?

Ja, det kan analysera och extrahera text från PDF, DOCX, XLSX, PPTX och andra populära format.

Ger GroupDocs.Parser stöd för .NET Core?

Ja, GroupDocs.Parser är kompatibel med .NET Core såväl som .NET Framework.

Kan jag extrahera metadata tillsammans med text med GroupDocs.Parser?

Ja, du kan extrahera både textinnehåll och metadata från dokument.

Finns det en testversion tillgänglig för GroupDocs.Parser?

Ja, du kan få en gratis provperiod frånhär.