Extract Media from Word Documents

Как да извлечете текст, изображения и метаданни от Word документи в .NET

Извличането на текст, изображения и метаданни от документи на Word е от съществено значение за анализ и обработка на документи. Aspose.Words за .NET, разработчиците могат програмно да получат съдържание на документ и свойства за различни случаи на употреба, като индексиране, архивиране или трансформация на съдържанието.

Предупреждения

  • Install the .NET.
  • Aspose.Words NuGet:dotnet add package Aspose.Words
  • Създаване на документ (document.docxс текст, изображения и метаданни.

Стъпка по стъпка ръководство за извличане на съдържание от Word файлове

1.Изтегляне на Word документ 

using System;
using Aspose.Words;

class Program
{
    static void Main()
    {
        // Step 1: Load the Word document
        string filePath = "document.docx";
        Document doc = new Document(filePath);

        // Steps 2, 3, and 4 will be added below
    }
}

Обяснение: Този код зарежда посочения документ на Word в паметта за по-нататъшна обработка.

Изтегляне на текст от документа 

using System;
using Aspose.Words;

class Program
{
    static void Main()
    {
        string filePath = "document.docx";
        Document doc = new Document(filePath);

        // Step 2: Extract Text
        string text = doc.GetText();
        Console.WriteLine("Extracted Text: " + text);

        // Steps 3 and 4 will be added below
    }
}

Обяснение: Този код извлича цялото текстово съдържание от заредения документ на Word и го отпечатва на конзолата.

Извличане на метаданни от документа 

using System;
using Aspose.Words;

class Program
{
    static void Main()
    {
        string filePath = "document.docx";
        Document doc = new Document(filePath);

        string text = doc.GetText();
        Console.WriteLine("Extracted Text: " + text);

        // Step 3: Extract Metadata
        Console.WriteLine("Title: " + doc.BuiltInDocumentProperties.Title);
        Console.WriteLine("Author: " + doc.BuiltInDocumentProperties.Author);
        Console.WriteLine("Created Date: " + doc.BuiltInDocumentProperties.CreatedTime);

        // Step 4 will be added below
    }
}

Обяснение: Този код извлича и отпечатва метаданните за заглавие, автор и дата на създаване от Word документ.

Изтегляне на изображения от документа 

using System;
using Aspose.Words;

class Program
{
    static void Main()
    {
        string filePath = "document.docx";
        Document doc = new Document(filePath);

        string text = doc.GetText();
        Console.WriteLine("Extracted Text: " + text);

        Console.WriteLine("Title: " + doc.BuiltInDocumentProperties.Title);
        Console.WriteLine("Author: " + doc.BuiltInDocumentProperties.Author);
        Console.WriteLine("Created Date: " + doc.BuiltInDocumentProperties.CreatedTime);

        // Step 4: Extract Images
        int imageCount = 0;
        foreach (var shape in doc.GetChildNodes(NodeType.Shape, true))
        {
            if (shape is Shape { HasImage: true } imageShape)
            {
                string imageFilePath = $"Image_{++imageCount}.png";
                imageShape.ImageData.Save(imageFilePath);
                Console.WriteLine($"Saved Image: {imageFilePath}");
            }
        }

        Console.WriteLine("Content extraction completed.");
    }
}

Обяснение: Този код извлича всички изображения от документа на Word и ги съхранява като PNG файлове в директората на проекта.

5 Изпробвайте решението

  • Ensure document.docx is in the project directory.
  • Извършете програмата и проверете:- Извлечен текст в изхода на конзолата.
  • Подробности за печат на метаданни.
  • Извлечени изображения, съхранени в папката за проекти.

Как да депонирате и изпълнявате на големи платформи

Windows

  • Инсталирайте времето за изпълнение на .NET и изпълнете приложението.
  • Тествайте приложението, като го изпълните чрез командната линия.

Линукс

  • NET Runtime.
  • Използвайте терминални команди, за да изпълните приложението или да го хоствате на сървър.

Макрос

  • Извършете приложението с помощта на Kestrel или го въведете в облачна услуга.

Общи проблеми и фиксиране

  • Снимки, които не са извлечени:- Уверете се, че документът съдържа вградени изображения, а не външно свързани.

  • Недостатъчни метаданни:- Уверете се, че документът има метаданни свойства като заглавие или автор набор.

  • Разширено обработване на файлове:- Използвайте памет-ефективен подход, като например обработване на специфични секции на документа.

Word документи, като използвате Aspose.Words за .NET.

 Български