כיצד לחלץ טקסט מקבצי PDF ב-.NET

איך לחלץ טקסט מ-PDFs ב-.NET

מדריך זה מכסה חילוץ טקסט מדפי PDF באמצעות API של absorber.

דרישות קדם

חילוץ כל הטקסט מדף

TextAbsorber אוסף את כל הטקסט בדף למחרוזת יחידה. צור
מופע, העבר אותו ל-Page.Accept וקרא את התוצאה מהמאפיין Text.
זהו הגישה הפשוטה ביותר כאשר אתה צריך פלט טקסט פשוט ללא מידע
מיקומי.

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

חילוץ קטעי טקסט מובנים

כאשר אתה צריך מטא‑נתוני מיקום, גופן וגודל לצד הטקסט, השתמש בTextFragmentAbsorber במקום. כל TextFragment חושף את הקואורדינטות הגבוליות שלו דרך המאפיין Position.

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})");
}

חיפוש עם ביטוי רגולרי

עבירו תבנית regex ל-TextFragmentAbsorber כדי למצוא טקסט תואם ב‑ כל העמודים. זה שימושי לאיתור מספרי טלפון, תאריכים או תבניות נתונים מובנות אחרות בתוך מסמך.

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

מחלקות מפתח

ראה גם

• מדריך למפתח לחילוץ טקסט
• Aspose.PDF for .NET מוצר Enterprise