Teksti Extractor Plugin for Aspose.PDF

Aspose.PDF Text Extractor Plugin for .NET antaa kehittäjille mahdollisuuden poistaa tekstin sisältöä - rakennettu, tasainen tai as-is - PDF-tiedostoista. Kolmella poisto-tilalla se on ihanteellinen asiakirjojen muuntamiseen, tiedon kaivostointiin, saavutettavuuden parannuksiin ja enemmän.

Viimeisimmät artikkelit

Kuinka poistaa teksti PDF-tiedostoista .NET: ssä Kuinka poistaa rakenteelliset tiedot ja taulukot PDF:stä .NET: ssä

Aspose.PDF Text Extractor Plugin avainominaisuudet

  • Multiple Extraction -muodotPoista teksti puhtaana (muodostettu), raaka (as-is) tai tasainen (puhdistettu) maksimaalisen joustavuuden varmistamiseksi.

  • Batch PDF käsittelyLisää useita PDF-tiedostoja samanaikaiseen poistoon ja sujuviin työnkulkuihin.

  • Yksinkertainen .NET integraatioStraightforward API – lisää C#- tai .NET-hankkeeseen nopean käyttöönottoa varten.

Aloitetaan käyttämällä Aspose.PDF Text Extractor Plugin

  • Asenna Aspose.PDF .NETilleLisää NuGetin kautta tai ladata kokoelmia .NET-ratkaisuun.

  • Lisenssin määrittäminenAktivoi rajoittamattoman käsittelyn ja tuen.

  • Konfiguroida Extraction vaihtoehtojaKäytä TextExtractor ja TextExtractorOptions Luokat. asettaa kaivamismuoto haluamallasi tavalla (Pure, Raw, Plain).

  • Prosessi ja palauta tekstiKäynnistä kaivostus ja pääsy tuloksia kautta tuloksen säiliön kokoelma.

Esimerkki: Tuoda teksti PDF:stä (C#) 

using Aspose.Pdf.Plugins;

var extractor = new TextExtractor();
var options = new TextExtractorOptions(TextExtractorOptions.TextFormattingMode.Pure);
options.AddInput(new FileDataSource(@"C:\Samples\sample.pdf"));
var resultContainer = extractor.Process(options);
string extractedText = resultContainer.ResultCollection[0].ToString();
Console.WriteLine(extractedText);

Esimerkki: Batch Extract tekstiä useista PDF-tiedostoista 

string[] pdfFiles = { "sample1.pdf", "sample2.pdf" };
var extractor = new TextExtractor();
var options = new TextExtractorOptions(TextExtractorOptions.TextFormattingMode.Raw);
foreach (var file in pdfFiles)
{
    options.AddInput(new FileDataSource(file));
}
var resultContainer = extractor.Process(options);
for (int i = 0; i < resultContainer.ResultCollection.Count; i++)
{
    string text = resultContainer.ResultCollection[i].ToString();
    Console.WriteLine(text);
}

Käytä tapauksia ja laajennuksia

  • PDF to TXT Conversion: Automaattinen PDF-tiedostojen muuntaminen tasaiseen tekstiin indeksointia, hakua tai arkistointia varten.
  • Data Mining: Poista taulukon tiedot, laskut tai lomakkeet jatkokäsittelyyn tai analysointiin.
  • Saavutettavuus: Valmista lukematon sisältö näytön lukijoille tai vaihtoehtoisille muodoille.
  • Batch-käsittely: Käytä eritysmuotoja tiettyjen alhaisen työnkulun osalta (esimerkiksi OCR: n ennalta käsittely, yksikön tunnistaminen).

Edistyksellistä poistoa varten – kuten salattujen PDF-tiedostojen käsittelyä tai tekstituloksen räätälöimistä – viitataan viralliseen API-viittaukseen.

Parhaat käytännöt

  • Valitse aina tuotantomenetelmä, joka vastaa tuonnin tarpeitasi (muodostaminen, raaka tai puhdas).
  • Suuriin asiakirjoihin, pakkausprosessia maksimoida läpäisevyyttä ja vähentää manuaalista vaivaa.
  • Testitulokset tuloksena todellisia PDF-tiedostoja varmistaakseen tietojen tarkkuuden.

Suhteelliset resurssit:

 Suomi