Text Extractor Plugin pentru Aspose.PDF

Aspose.PDF Text Extractor Plugin pentru .NET permite dezvoltatorilor să extragă conținut text – structurat, plain sau as-is – din fișierele PDF. Cu trei moduri de extracție, este ideal pentru conversia documentelor, minarea datelor, îmbunătățirea accesibilității și multe altele.

Ultimele articole

Cum să extrageți text din PDF-uri în .NET Cum să extrageți date și tabele structurate din PDF în .NET

Aspose.PDF Extractor de text Plugin caracteristici cheie

    • Moduri multiple de extracție*Extrageți textul ca pur (format), crud (as-is) sau plat (clean) pentru flexibilitate maximă.
    • Procesarea PDF cu batch*Adăugați mai multe PDF-uri pentru extracție simultană și fluxuri de lucru simplificate.
    • Integrare .NET simplă*API direct-forward – adăugați la orice proiect C# sau .NET pentru implementare rapidă.

Să înceapă cu Aspose.PDF Text Extractor Plugin

  • Instalează Aspose.PDF pentru .NETAdăugați prin NuGet sau descărcați ansambluri la soluția .NET.

  • **Configurați licența dvs.**Activat pentru prelucrare și suport nelimitat.

  • Configurarea opțiunilor de extracțieUtilizarea TextExtractor şi TextExtractorOptions Setarea modului de extracție după cum este dorit (Pure, Raw, Plain).

  • Procesul și recunoașterea textuluiExecutați rezultatele de extracție și acces prin colecția de containere.

Exemplu: Extrageți text dintr-un PDF (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);

Exemplu: Text extract din mai multe PDF-uri 

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);
}

Cazuri de utilizare și extinderi

  • PDF în TXT Conversie: Convertire automată a PDF-urilor în text clar pentru indexare, căutare sau arhivare.
  • Data Mining: Extrageți datele de tabel, facturile sau formularele pentru prelucrare sau analiză ulterioară.
  • Accesibilitate: Pregătiți conținutul citit pentru cititorii de ecran sau formatele alternative.
  • Batch Processing: Utilizați moduri de extracție pentru fluxurile de lucru specifice (de exemplu, prelucrarea pre-OCR, recunoașterea entității).

Pentru extracția avansată – cum ar fi gestionarea PDF-urilor criptate sau personalizarea rezultatelor textului – se referă la API-ul oficial de referință.

• Cele mai bune practici*

  • Selectați întotdeauna modul de extracție care se potrivește nevoilor dvs. de producție (formare, crude sau curate).
  • Pentru seturile de documente mari, procesul de batch pentru a maximiza puterea și minimiza efortul manual.
  • Rezultatele extracției de testare cu PDF-uri din lumea reală pentru a asigura precizia datelor.

Resursele aferente:

 Română