Kako izvući tekst iz PDF-ova u .NET-u

Kako izvući tekst iz PDF-ova u .NET-u

Ovaj vodič obuhvaća ekstrakciju teksta s PDF stranica pomoću absorber API-ja.

U skladu s člankom 21. stavkom 1.

Izvaditi sav tekst s stranice

TextAbsorber prikuplja sav tekst na stranici u jedan niz. Stvoriti Primjerice, proslijedi to na: Page.Accept, i pročitajte rezultat iz Text imovina. Ovo je najjednostavniji pristup kada trebate ishod običnog teksta bez pozicionalnih Informacije.

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

Izvješće o strukturiranim tekstnim fragmentima

Kada trebate poziciju, font i veličinu metapodatki uz tekst, upotreba TextFragmentAbsorber Svatko od nas. TextFragment izloži svoje granične koordinate kroz Position imovina.

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})");
}

Traženje s redovnim izrazom

Predajte regex obrazac na: TextFragmentAbsorber da pronađe odgovarajući tekst preko: Ovo je korisno za pronalaženje telefonskih brojeva, datuma ili drugih podataka. U ovom slučaju, u skladu s člankom 16. stavkom 1. točkom (a) Uredbe (EU) br. 1071/2013:.

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

Glavne klase

Također pogledajte:

• Vodič za izradu teksta
• Aspose.PDF for .NET Enterprise Product