Udtræk tekst fra PDF C#

At udtrække tekst fra PDF-filer er et almindeligt krav i dokumentbehandlingsopgaver. Denne artikel giver en omfattende vejledning om brugen af Aspose.PDF’s Tekstudtrækningsplugin til effektiv og alsidig tekstudtrækning i C#. Uanset om du har brug for at udtrække tekst fra det hele dokument, specifikke sider eller definerede områder, letter Aspose.PDF’s plugin højtydende PDF tekstudtrækning med minimal indsats.

Dækkede funktioner:

Fremhævning af Aspose.PDF’s Tekstudtrækningsplugin

Aspose.PDF’s Tekstudtrækningsplugin til .NET er en pålidelig løsning til udtrækning af tekst fra PDF-dokumenter. Det er specielt designet til udviklere, der arbejder med .NET-applikationer og understøtter både .NET Framework og .NET Core PDF tekstudtrækning. Plugin’et tilbyder tre driftsformer:

  1. Ren tilstand: Udtrækker tekst, mens den bevarer original formatering og struktur.
  2. Rå tilstand: Udtrækker tekst uden formatering.
  3. Simpel tilstand: Udtrækker tekst og fjerner formatering og specialtegn.

Fordele:

  • Understøtter batchbehandling for flere PDF’er.
  • Tilbyder tilpassede udtrækningsindstillinger til at imødekomme specifikke krav.
  • Direkte integration med .NET-applikationer sikrer problemfri arbejdsgange.
  • Optimeret til højhastigheds, præcis tekstudtrækning med minimalt ressourceforbrug.

C# PDF Tekstudtrækningsbibliotek

Biblioteket Aspose.PDF for .NET er et omfattende værktøj til .NET-udviklere, der søger højtydende C# PDF tekstudtrækning. Installer det via NuGet:

PM> Install-Package Aspose.PDF

Du kan også download DLL’en for at integrere den direkte i dit projekt som en pålidelig C# PDF tekstudtrækningsløsning.

Udtræk tekst fra en hel PDF i C#

For at udtrække al tekst fra en PDF, følg disse trin:

  1. Indlæs PDF’en ved hjælp af Document klassen.
  2. Opret et TextAbsorber objekt.
  3. Anvend absorberen på alle sider.
  4. Gem den udtrukne tekst i en fil.

Eksempel kode:

Udtræk tekst fra specifikke sider i PDF

For at udtrække tekst fra en enkelt side:

  1. Indlæs PDF’en.
  2. Opret en TextAbsorber.
  3. Anvend absorberen på den ønskede side.
  4. Gem den udtrukne tekst.

Eksempel kode:

Udtræk tekst fra specifikke områder i PDF

At udtrække tekst fra specifikke områder af en side indebærer at definere rektangulære koordinater. Trinene inkluderer:

  1. Indlæs PDF’en.
  2. Konfigurer TextSearchOptions for det definerede område.
  3. Anvend TextAbsorber på området.
  4. Gem den udtrukne tekst.

Eksempel kode:

Søg og udtræk tekst ved hjælp af Regex

Udtræk tekst, der matcher et specifikt mønster ved hjælp af regulære udtryk:

  1. Indlæs PDF’en.
  2. Definer et regex-mønster.
  3. Anvend mønsteret ved hjælp af TextAbsorber.
  4. Udtræk de matchende tekstfragmenter.

Eksempel kode:

Udtræk tabeldata som tekst i C#

For at udtrække tabelindhold:

  1. Indlæs PDF’en.
  2. Brug TableAbsorber til at navigere gennem tabelstrukturer.
  3. Udtræk tekst celle for celle.

Eksempel kode:

Udtræk fremhævet tekst i PDF

For at udtrække fremhævet tekst:

  1. Iterer gennem annotationer.
  2. Filtrer [TextMarkupAnnotation][16].
  3. Hent og gem de fremhævede fragmenter.

Eksempel kode:

Optimer tekstudtrækning med lavt hukommelsesforbrug

i) Ved brug af Reset() og FreeMemory():

  1. Kald absorber.Reset() efter behandling af hver side.
  2. Frigør hukommelsen, der holdes af siderne ved hjælp af page.FreeMemory().

ii) Ved brug af MemorySaving tilstand:

Sæt TextExtractionOptions.TextFormattingMode for at optimere hukommelsesforbruget under PDF tekstudtrækning.

Eksempel kode:

Gratis C# PDF Tekstudtrækningsbibliotek

Få en [gratis midlertidig licens][10] for ubegrænset adgang til Aspose.PDF for .NET og lås op for dets fulde potentiale til effektiv C# PDF tekstudtrækning.

Konklusion

Aspose.PDF’s Tekstudtrækningsplugin til .NET tilbyder en alsidig og effektiv løsning til pålidelige tekstudtrækningsopgaver. Fra hele dokumenter til specifikke sider eller områder strømliner det processen med præcision og hastighed, hvilket gør det til et af de bedste C# PDF tekstudtrækningsbiblioteker tilgængelige. Prøv det i dag for at forenkle dine PDF tekstudtrækningsarbejdsgange.

Relaterede artikler: