Extract Media from Word Documents

Bagaimana untuk mengekstrak teks, imej, dan metadata daripada dokumen Word dalam .NET

Mengekstrak teks, imej, dan metadata daripada dokumen Word adalah penting untuk analisis dan pemprosesan dokumen. Aspose.Words untuk .NET , pemaju boleh secara programmatik mendapatkan kandungan dokumen dan sifat untuk pelbagai kes penggunaan, seperti pengindeksan, arkib, atau transformasi kandungan.

Prerequisites

  • Instalasi yang Rangkaian SDK .
  • Tambah pakej Aspose.Words NuGet:dotnet add package Aspose.Words
  • Memberi maklum balas kepada dokumen (document.docx) dengan teks, imej dan metadata.

Langkah-langkah panduan untuk mengekstrak kandungan daripada fail Word

1.Mengisi dokumen perkataan 

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
    }
}

Penerangan: Kod ini memuatkan dokumen Word yang ditetapkan ke dalam memori untuk pemprosesan lanjut.

2. mengekstrak teks daripada dokumen 

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
    }
}

Penerangan: Kod ini mengekstrak semua kandungan teks daripada dokumen Word yang dimuat naik dan mencetaknya ke konsol.

Mengekstrak metadata daripada dokumen 

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
    }
}

Penerangan: Kod ini mengekstrak dan mencetak tajuk, penulis, dan metadata tarikh penciptaan daripada dokumen Word.

4. mengekstrak imej daripada dokumen 

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.");
    }
}

Penerangan: Kod ini mengekstrak semua imej daripada dokumen Word dan menyimpannya sebagai fail PNG dalam direktori projek.

5. menguji penyelesaian

  • Ensure document.docx Di dalam direktori projek.
  • Mengendalikan program dan mengesahkan:- Menarik teks dalam output konsol.
  • Maklumat metadata dicetak.
  • Gambar yang dikeluarkan disimpan dalam folder projek.

Bagaimana untuk melancarkan dan menjalankan pada platform utama

Windows

  • Instal .NET runtime dan melancarkan aplikasi.
  • Menguji aplikasi dengan menjalankan melalui garis perintah.

Linux

  • Pastikan anda mempunyai .NET runtime.
  • Gunakan perintah terminal untuk menjalankan aplikasi atau menyimpannya pada pelayan.

Makkah

  • Melancarkan aplikasi menggunakan Kestrel atau meletakkannya pada perkhidmatan awan.

Masalah dan penyelesaian umum

  • Gambar yang tidak dikeluarkan :- Pastikan dokumen ini mengandungi imej tertanam dan tidak terhubung secara luaran.

  • Data yang hilang :- Pastikan dokumen mempunyai sifat metadata seperti Set Judul atau Penulis.

  • Pemprosesan fail yang panjang:- Gunakan pendekatan memori yang cekap, seperti memproses bahagian-bahagian tertentu dokumen.

Dengan panduan ini, anda boleh secara programmatik mengekstrak kandungan berharga daripada dokumen Word menggunakan Aspose.Words untuk .NET.

 Melayu