Nhận dạng văn bản trong vùng hình chữ nhật
Giới thiệu
Trong hướng dẫn này, chúng ta sẽ khám phá cách sử dụng GroupDocs.Parser cho .NET để nhận dạng văn bản trong các vùng tài liệu hình chữ nhật cụ thể. GroupDocs.Parser là một thư viện mạnh mẽ cho phép các nhà phát triển trích xuất văn bản, siêu dữ liệu, v.v. từ nhiều định dạng tệp khác nhau, bao gồm PDF, Word, Excel và PowerPoint.
Điều kiện tiên quyết
Trước khi chúng tôi bắt đầu, hãy đảm bảo bạn đã thiết lập sau:
- GroupDocs.Parser for .NET: Tải xuống và cài đặt thư viện từđây.
- Môi trường phát triển: Visual Studio hoặc bất kỳ .NET IDE nào khác.
- Tài liệu mẫu: Có tệp mẫu (ví dụ: PDF, DOCX) chứa văn bản cần nhận dạng.
Nhập không gian tên
Trước tiên, bạn cần nhập các vùng tên cần thiết vào mã C# của mình:
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;
Bước 1: Khởi tạo cài đặt trình phân tích cú pháp
Bắt đầu bằng cách thiết lậpParserSettings với đầu nối OCR. Ở đây, chúng tôi sẽ sử dụng trình kết nối tại chỗ Aspose OCR:
ParserSettings settings = new ParserSettings(new AsposeOcrOnPremise());
Bước 2: Tạo phiên bản trình phân tích cú pháp
Tiếp theo, khởi tạoParser lớp với các cài đặt được xác định trước đó:
using (Parser parser = new Parser("YourSampleFile.pdf", settings))
{
// Mã tiếp tục ở đây
}
Thay thế"YourSampleFile.pdf" với đường dẫn đến tài liệu của bạn.
Bước 3: Xác định hình chữ nhật OCR
Xác định một hình chữ nhật trong tài liệu nơi nhận dạng văn bản sẽ được thực hiện. Ví dụ: một hình chữ nhật bắt đầu từ(0, 0) với chiều rộng400 và chiều cao200:
OcrOptions ocrOptions = new OcrOptions(new Data.Rectangle(0, 0, 400, 200));
Bước 4: Định cấu hình tùy chọn nhận dạng văn bản
Tạo nênTextOptions để chỉ định cách sử dụng OCR cùng với hình chữ nhật đã xác định:
TextOptions options = new TextOptions(false, true, ocrOptions);
Bước 5: Trích xuất văn bản bằng OCR
Sử dụngGetText phương pháp củaParser ví dụ với cấu hìnhTextOptions:
using (TextReader reader = parser.GetText(options))
{
// Đọc văn bản được trích xuất hoặc xử lý trường hợp 'không được hỗ trợ'
Console.WriteLine(reader == null ? "Text extraction isn't supported" : reader.ReadToEnd());
}
Phần kết luận
Trong hướng dẫn này, chúng tôi đã trình bày cách tận dụng GroupDocs.Parser cho .NET để trích xuất văn bản từ các vùng hình chữ nhật cụ thể trong tài liệu bằng OCR. Quá trình này có thể được tùy chỉnh và tích hợp thêm vào các ứng dụng khác nhau để thực hiện các tác vụ trích xuất văn bản tự động.
Câu hỏi thường gặp
GroupDocs.Parser có thể trích xuất văn bản từ các tài liệu được quét không?
Có, GroupDocs.Parser hỗ trợ OCR (Nhận dạng ký tự quang học) để trích xuất văn bản từ tài liệu được quét.
GroupDocs.Parser hỗ trợ những định dạng tệp nào?
GroupDocs.Parser hỗ trợ nhiều định dạng tệp, bao gồm PDF, DOCX, XLSX, PPTX, v.v.
Làm cách nào để xử lý các tài liệu không được hỗ trợ trích xuất văn bản?
Bạn có thể kiểm tra xem việc trích xuất văn bản có được hỗ trợ hay không bằng cách sử dụngTextReader dụ được trả về bởiparser.GetText(options).
GroupDocs.Parser có phù hợp với các tác vụ trích xuất văn bản quy mô lớn không?
Có, GroupDocs.Parser được thiết kế để xử lý hiệu quả các tác vụ trích xuất văn bản quy mô lớn.
Tôi có thể nhận hỗ trợ ở đâu cho các vấn đề liên quan đến GroupDocs.Parser?
Để được hỗ trợ và thảo luận, hãy truy cậpDiễn đàn GroupDocs.Parser.
