كيفية استخراج النص من ملفات PDF في .NET

كيفية استخراج النص من ملفات PDF في .NET

يغطي هذا الدليل استخراج النص من صفحات PDF باستخدام API الممتصة.

المعايير

استخراج كل النص من الصفحة

TextAbsorber يجمع كل النص في صفحة إلى سلسلة واحدة. قم بإنشاء مثال، تمررها إلى Page.Accept,، وقرأ النتيجة من الموقع الإلكتروني . Text الممتلكات. هذا هو أبسط نهج عندما كنت بحاجة إلى النص العادي الخروج دون وضعية المعلومات.

using var doc = Document.Open(pdfBytes);
var absorber = new TextAbsorber();
doc.Pages[1].Accept(absorber);
Console.WriteLine(absorber.Text);

استخراج شظايا النص المهيكلة

عندما تحتاج إلى الموقع، الخط والحجم البيانات الوصفية جنباً إلى جنب مع النص،, استخدام TextFragmentAbsorber كل واحد بدلاً من ذلك. TextFragment يُعرضه تحديد الإحداثيات عبر Position الممتلكات.

var absorber = new TextFragmentAbsorber();
doc.Pages[1].Accept(absorber);

foreach (var fragment in absorber.TextFragments)
{
    Console.WriteLine($"{fragment.Text} at ({fragment.Position.XIndent}, {fragment.Position.YIndent})");
}

البحث باستخدام تعبير منتظم

تمرير نمط ريجكس إلى TextFragmentAbsorber لإيجاد النص المطابق عبر هذه مفيدة لتحديد مواقع أرقام الهواتف، التواريخ أو غيرها من المواقع. أنماط البيانات المهيكلة داخل وثيقة.

var absorber = new TextFragmentAbsorber(@"\d{3}-\d{2}-\d{4}");
doc.Pages.Accept(absorber);
foreach (var f in absorber.TextFragments)
    Console.WriteLine(f.Text);

فئات رئيسية

انظر أيضا

• دليل مطور استخراج النصوص
• Aspose.PDF for .NET Enterprise Product