Trích xuất văn bản từ trang ở chế độ chính xác

Giới thiệu

Trong hướng dẫn này, chúng ta sẽ khám phá cách sử dụng GroupDocs.Parser cho .NET để trích xuất văn bản từ tài liệu ở chế độ chính xác. GroupDocs.Parser là một API mạnh mẽ cho phép các nhà phát triển làm việc với nhiều định dạng tài liệu khác nhau trong ứng dụng .NET của họ, cho phép trích xuất văn bản một cách chính xác và dễ dàng. Đến cuối hướng dẫn này, bạn sẽ được trang bị để tận dụng các khả năng của GroupDocs.Parser để trích xuất văn bản từ tài liệu một cách hiệu quả.

Điều kiện tiên quyết

Trước khi tiếp tục, hãy đảm bảo bạn có các điều kiện tiên quyết sau:

• Thiết lập môi trường: Có môi trường làm việc được cài đặt .NET.
• Cài đặt GroupDocs.Parser: Tải xuống và cài đặt GroupDocs.Parser cho .NET từđây.
• Hiểu biết cơ bản về C#: Làm quen với ngôn ngữ lập trình C# sẽ có lợi.

Nhập không gian tên

Trước khi đi sâu vào triển khai, hãy đảm bảo nhập các không gian tên cần thiết:

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

Bước 1: Tạo một phiên bản của lớp trình phân tích cú pháp

Đầu tiên, tạo một thể hiện củaParser class bằng cách cung cấp đường dẫn đến tệp mẫu của bạn.

using (Parser parser = new Parser("YourSampleFile"))
{
    // Việc triển khai mã ở đây
}

Bước 2: Kiểm tra hỗ trợ trích xuất văn bản

Tiếp theo, hãy xác minh xem tài liệu có hỗ trợ trích xuất văn bản hay không bằng cách sử dụngFeatures.Text tài sản.

if (!parser.Features.Text)
{
    Console.WriteLine("Document doesn't support text extraction.");
    return;
}

Bước 3: Nhận thông tin tài liệu

Truy xuất thông tin về tài liệu bằng cách sử dụngGetDocumentInfo() phương pháp.

IDocumentInfo documentInfo = parser.GetDocumentInfo();
if (documentInfo.PageCount == 0)
{
    Console.WriteLine("Document doesn't have pages.");
    return;
}

Bước 4: Lặp lại các trang và trích xuất văn bản

Lặp lại qua từng trang của tài liệu và trích xuất văn bản bằng cách sử dụngGetText() phương pháp.

for (int p = 0; p < documentInfo.PageCount; p++)
{
    Console.WriteLine($"Page {p + 1}/{documentInfo.PageCount}");
    using (TextReader reader = parser.GetText(p))
    {
        Console.WriteLine(reader.ReadToEnd());
    }
}

Phần kết luận

Trong hướng dẫn này, chúng tôi đã đề cập đến quá trình trích xuất văn bản từ tài liệu bằng GroupDocs.Parser cho .NET. Bằng cách làm theo các bước này, bạn có thể tích hợp liền mạch chức năng trích xuất văn bản vào các ứng dụng .NET của mình, cho phép bạn làm việc với nhiều định dạng tài liệu khác nhau một cách hiệu quả.

Câu hỏi thường gặp

GroupDocs.Parser có phù hợp để trích xuất văn bản từ các định dạng tài liệu phức tạp không?

Có, GroupDocs.Parser hỗ trợ nhiều định dạng tài liệu, bao gồm cả những định dạng phức tạp như PDF, DOCX, v.v.

Tôi có thể trích xuất các phần văn bản cụ thể từ tài liệu bằng API này không?

Hoàn toàn có thể, bạn có thể trích xuất văn bản từ các trang cụ thể hoặc thậm chí xác định các vùng trích xuất tùy chỉnh trong tài liệu.

GroupDocs.Parser có duy trì định dạng trong quá trình trích xuất văn bản không?

GroupDocs.Parser tập trung vào việc trích xuất văn bản chính xác trong khi vẫn giữ nguyên định dạng tài liệu nếu có.

Có phiên bản dùng thử nào để kiểm tra GroupDocs.Parser không?

Có, bạn có thể tải phiên bản dùng thử miễn phíđây.

Tôi có thể tìm hỗ trợ hoặc trợ giúp thêm về GroupDocs.Parser ở đâu?

Bạn có thể ghé thămDiễn đàn GroupDocs.Parser cho bất kỳ truy vấn hỗ trợ.