Pdfs
.NET
.NET에서 PDF에서 텍스트 추출하는 방법

.NET에서 PDF에서 텍스트 추출하는 방법

PDF에서 텍스트를 추출하는 방법 (.NET)

이 가이드는 absorber API를 사용하여 PDF 페이지에서 텍스트 추출을 다룹니다.

전제 조건

요구 사항세부 정보
런타임.NET 8.0 이상
패키지dotnet add package Aspose.Pdf.Foss

페이지에서 모든 텍스트 추출

TextAbsorber은 페이지의 모든 텍스트를 하나의 문자열로 수집합니다. 인스턴스를 생성
인스턴스를 Page.Accept에 전달하고 Text 속성에서 결과를 읽습니다.
위치 정보 없이 순수 텍스트 출력을 필요로 할 때 가장 간단한 접근 방식입니다.
정보.

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

구조화된 텍스트 조각 추출

텍스트와 함께 위치, 글꼴 및 크기 메타데이터가 필요할 때는 TextFragmentAbsorber을 대신 사용하십시오. 각 TextFragment은 Position 속성을 통해 경계 좌표를 노출합니다.

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})");
}

정규 표현식으로 검색

TextFragmentAbsorber에 정규식 패턴을 전달하여 모든 페이지에서 일치하는 텍스트를 찾습니다.
이는 문서 내에서 전화번호, 날짜 또는 기타 구조화된 데이터 패턴을 찾는 데 유용합니다.

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

핵심 클래스

클래스목적
TextAbsorber문자열로 모든 텍스트 추출
TextFragmentAbsorber구조화된 텍스트 추출
TextFragment위치와 글꼴이 포함된 텍스트
FontRepository글꼴 조회

참조

 한국어