Извлечение текста из PDF C#

Извлечение текста из PDF-файлов является распространенной необходимостью в задачах обработки документов. Эта статья предоставляет подробный гид по использованию плагина для извлечения текста Aspose.PDF для эффективного и универсального извлечения текста в C#. Независимо от того, нужно ли вам извлекать текст из всего документа, отдельных страниц или определенных регионов, плагин Aspose.PDF облегчает высокопроизводительное извлечение текста из PDF с минимальными усилиями.

Охватываемые функции:

Подчеркивание плагина для извлечения текста Aspose.PDF

Плагин для извлечения текста Aspose.PDF для .NET является надежным решением для извлечения текста из PDF-документов. Он специально разработан для разработчиков, работающих с приложениями .NET, поддерживая как извлечение текста из PDF в рамках .NET Framework, так и .NET Core. Плагин предлагает три режима работы:

  1. Чистый режим: Извлекает текст, сохраняя оригинальное форматирование и структуру.
  2. Сырой режим: Извлекает текст без форматирования.
  3. Простой режим: Извлекает текст и удаляет форматирование и специальные символы.

Преимущества:

  • Поддерживает пакетную обработку для нескольких PDF.
  • Предлагает настраиваемые параметры извлечения для удовлетворения специфических требований.
  • Прямая интеграция с приложениями .NET обеспечивает бесшовные рабочие процессы.
  • Оптимизирован для высокоскоростного, точного извлечения текста с минимальным потреблением ресурсов.

Библиотека извлечения текста PDF на C#

Библиотека Aspose.PDF для .NET является всеобъемлющим инструментом для разработчиков .NET, ищущих высокопроизводительное извлечение текста из PDF в C#. Установите ее через NuGet:

PM> Install-Package Aspose.PDF

Вы также можете скачать DLL, чтобы интегрировать ее непосредственно в ваш проект как надежное решение для извлечения текста из PDF в C#.

Извлечение текста из целого PDF в C#

Чтобы извлечь весь текст из PDF, выполните следующие шаги:

  1. Загрузите PDF с помощью класса Document.
  2. Создайте объект TextAbsorber.
  3. Примените абсорбер ко всем страницам.
  4. Сохраните извлеченный текст в файл.

Пример кода:

Извлечение текста из отдельных страниц PDF

Чтобы извлечь текст с одной страницы:

  1. Загрузите PDF.
  2. Создайте TextAbsorber.
  3. Примените абсорбер к нужной странице.
  4. Сохраните извлеченный текст.

Пример кода:

Извлечение текста из конкретных регионов в PDF

Извлечение текста из конкретных областей страницы включает определение прямоугольных координат. Шаги включают:

  1. Загрузите PDF.
  2. Настройте TextSearchOptions для определенного региона.
  3. Примените TextAbsorber к региону.
  4. Сохраните извлеченный текст.

Пример кода:

Поиск и извлечение текста с использованием регулярных выражений

Извлеките текст, соответствующий определенному шаблону, используя регулярные выражения:

  1. Загрузите PDF.
  2. Определите шаблон regex.
  3. Примените шаблон с помощью TextAbsorber.
  4. Извлеките соответствующие фрагменты текста.

Пример кода:

Извлечение данных таблицы как текста в C#

Чтобы извлечь содержимое таблицы:

  1. Загрузите PDF.
  2. Используйте TableAbsorber, чтобы пройти через структуры таблиц.
  3. Извлеките текст ячейка за ячейкой.

Пример кода:

Извлечение выделенного текста в PDF

Чтобы извлечь выделенный текст:

  1. Переберите аннотации.
  2. Отфильтруйте [TextMarkupAnnotation][16].
  3. Извлеките и сохраните выделенные фрагменты.

Пример кода:

Оптимизация извлечения текста с низким потреблением памяти

i) Используя Reset() и FreeMemory():

  1. Вызовите absorber.Reset() после обработки каждой страницы.
  2. Освободите память, занимаемую страницами, с помощью page.FreeMemory().

ii) Используя MemorySaving режим:

Установите TextExtractionOptions.TextFormattingMode, чтобы оптимизировать использование памяти во время извлечения текста из PDF.

Пример кода:

Бесплатная библиотека извлечения текста из PDF на C#

Получите [бесплатную временную лицензию][10] для неограниченного доступа к Aspose.PDF для .NET и откройте его полный потенциал для эффективного извлечения текста из PDF в C#.

Заключение

Плагин для извлечения текста Aspose.PDF для .NET предлагает универсальное и эффективное решение для надежных задач извлечения текста. От целых документов до отдельных страниц или регионов, он упрощает процесс с точностью и скоростью, что делает его одной из лучших библиотек для извлечения текста из PDF в C#. Попробуйте сегодня, чтобы упростить свои рабочие процессы извлечения текста из PDF.

Связанные статьи: