Створення Text Extractor Plugin for Aspose.PDF

Aspose.PDF Text Extractor Plugin для .NET дозволяє розробникам витягувати текстовий контент — структурований, плавний або так — з PDF-файлів. з трьома режимами екстракції, ідеально підходить для конвертації документів, видобутку даних, поліпшення доступності та багато іншого.

Останні статті

Як витягти текст з PDF-файлів в .NET Як витягти структуровані дані та таблиці з PDF в .NET

Aspose.PDF Text Extractor Plugin Ключові функції

  • Використання різноманітних екстракційних режимівВитягніть текст як чистий (форматований), сирий (як-як) або рівний (чищений) для максимальної гнучкості.

  • Батьківська PDF обробкаДодайте кілька PDF-файлів для одночасної екстракції та ускладнених робочих потоків.

  • • Інтеграція в .NETStraightforward API — додайте до будь-якого проекту C# або .NET для швидкого запуску.

Починаючи з Aspose.PDF Text Extractor Plugin

  • Завантажити Aspose.PDF для .NETДодайте через NuGet або завантажуйте асамблеї до вашого рішення .NET.

  • Налаштуйте свою ліцензіюВикористовуйте для безмежного обробки та підтримки.

  • Конфігурувати варіанти екстракціїКористувати TextExtractor і TextExtractorOptions Налаштуйте режим екстракції, як бажано (чистий, брудний, рівний).

  • Процес і відновлення текстуВиконайте результати екстракції та доступу через збір контейнерів результатів.

Приклад: Витяг тексту з 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);

Приклад: Батч екстракт тексту з декількох PDF 

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);
}

Використання випадків і розширень

  • PDF в TXT Конверсія: Автоматична конвертація PDF до чіткого тексту для індексування, пошуку або архівування.
  • Data Mining: Витяг табличних даних, рахунків або форм для подальшого обробки або аналізу.
  • Доступність: Підготовка читаючого контенту для читачів екрану або альтернативних форматів.
  • Batch Processing: Використовуйте режими екстракції для конкретних потоків роботи (наприклад, попереднє обробка OCR, розпізнавання суб’єкта).

Для передових екстракцій, таких як обробка зашифрованих PDF-файлів або налаштування текстового виходу, зверніться до офіційної API-референції.

«Найкращі практики»

  • Завжди виберіть режим екстракції, який відповідає вашим вихідним потребам (форматування, сирої або чистої).
  • Для великих наборів документів, процес комплектування для максимізації пропускної потужності та мінімалізації ручного навантаження.
  • Результати випробування з реальним світом PDF для того, щоб забезпечити точність даних.

Зв’язані з ними ресурси:

 Українська