識別特定區域的文本

介紹

在本教學中，我們將探討如何使用 GroupDocs.Parser for .NET 從文件中的特定區域識別和擷取文字。 GroupDocs.Parser 是一個功能強大的文件解析庫，可讓開發人員處理各種文件格式，包括 PDF、Word、Excel、PowerPoint 等。具體來說，我們將專注於利用 GroupDocs.Parser 的 OCR（光學字元辨識）功能從文件中的定義區域中提取文字。

先決條件

在我們開始之前，請確保您已設定以下先決條件：

1. Visual Studio IDE：確保您的電腦上安裝了 Visual Studio。
2. GroupDocs.Parser for .NET：從下列位置下載並安裝 GroupDocs.Parser for .NET下載連結.
3. 文件範例：準備要從中提取文字的範例文件（例如 PDF、DOCX）。

導入命名空間

首先，將必要的命名空間匯入到您的專案中：

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;

讓我們使用 GroupDocs.Parser for .NET 將流程分解為詳細步驟：

第 1 步：使用 OCR 連接器建立解析器設置

首先，建立一個實例ParserSettings類別並使用 OCR 連接器初始化它，例如AsposeOcrOnPremise:

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

第 2 步：使用設定實例化解析器

接下來，建立一個實例Parser透過傳遞先前創建的類ParserSettings:

using (Parser parser = new Parser("YourSampleFile.pdf", settings))
{
    //程式碼片段繼續...
}

代替"YourSampleFile.pdf"與目標文檔的路徑。

步驟 3：設定文字區域擷取選項

建立一個實例PageTextAreaOptions啟用基於 OCR 的文字擷取：

PageTextAreaOptions options = new PageTextAreaOptions(true);

放true啟用 OCR 以便更好地識別文字。

第 4 步：提取文字區域

呼叫parser.GetTextAreas(options)從文件中提取文字區域：

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

第 5 步：處理提取的文字區域

迭代提取的文字區域並檢索文字、位置和大小資訊：

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})");
}

結論

在本教學中，我們介紹了使用具有 OCR 功能的 GroupDocs.Parser for .NET 從文件中的特定區域提取文字的過程。透過執行這些步驟，您可以有效地利用 GroupDocs.Parser 的解析功能以程式設計方式處理文字擷取任務。

常見問題解答

GroupDocs.Parser 可以從掃描文件中提取文字嗎？

是的，GroupDocs.Parser 支援 OCR 從文件中的掃描圖像中提取文字。

GroupDocs.Parser 支援哪些文件格式？

GroupDocs.Parser 支援多種格式，包括 PDF、DOCX、XLSX、PPTX、TXT 等。

GroupDocs.Parser適合批次處理文件嗎？

是的，GroupDocs.Parser 可以有效地處理文件解析和提取的批次任務。

我可以使用 GroupDocs.Parser 自訂文字擷取選項嗎？

是的，GroupDocs.Parser 提供了各種選項來根據特定要求自訂文字擷取。

GroupDocs.Parser 是否支援從文件中提取元資料？

是的，GroupDocs.Parser 允許從支援的文件格式中提取作者、建立日期等元資料。