Extract Media from Word Documents

Jak wyodrębnić tekst, obrazy i metadane z dokumentów Word w .NET

Ekstrakcja tekstu, obrazów i metadanych z dokumentów programu Word jest niezbędna do analizy i przetwarzania dokumentów. Aspose.Words dla .NET, deweloperzy mogą programowo odzyskać zawartość dokumentu i właściwości dla różnych przypadków użytkowania, takich jak indeksowanie, archiwizacja lub transformacja treści.

Warunki

  • Instalacja The Źródło .NET SDK .
  • Dodaj pakiet Aspose.Words NuGet:dotnet add package Aspose.Words
  • Przygotuj listę dokumentów (document.docx) z tekstem, obrazami i metadany.

Krok po kroku Przewodnik do ekstrakcji treści z plików Word

1.Wprowadź dokument słowny 

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
    }
}

Wyjaśnienie: Ten kod przesyła określony dokument Word do pamięci w celu dalszego przetwarzania.

2. wyciągnięcie tekstu z dokumentu 

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
    }
}

Wyjaśnienie: Ten kod wyciąga całą zawartość tekstu z załadowanego dokumentu Word i drukuje go na konsoli.

Wykorzystanie metadatu z dokumentu 

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
    }
}

Wyjaśnienie: Ten kod wyciąga i drukuje metadane tytułu, autora i daty tworzenia z dokumentu Word.

Wyciągnięcie zdjęć z dokumentu 

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.");
    }
}

Wyjaśnienie: Ten kod wyciąga wszystkie obrazy z dokumentu Word i przechowuje je jako pliki PNG w katalogu projektu.

5.Testowanie rozwiązania

  • Zapewnienie document.docx Jest w dyrektywie projektu.
  • Wykonaj program i sprawdź:- Wyciągnięty tekst w wyjściu konsoli.
  • Szczegóły metadatu drukowane.
  • Wyciągnięte obrazy zapisane w folderze projektu.

Jak uruchomić i uruchomić główne platformy

Windows

  • Zainstaluj czas uruchomienia .NET i uruchom aplikację.
  • Test aplikacji poprzez uruchomienie jej za pośrednictwem linii poleceń.

Linux

  • Zainstaluj czas pracy .NET.
  • Użyj poleceń końcowych, aby wykonać aplikację lub przechowywać ją na serwerze.

MacOS

  • Wykonaj aplikację za pomocą aplikacji Kestrel lub zainstaluj ją w chmurze.

Wspólne problemy i korekty

  • Zdjęcia nie wyciągnięte:- Upewnij się, że dokument zawiera wbudowane obrazy, a nie zewnętrznie powiązane.

  • brak danych:- Upewnij się, że dokument ma właściwości metadanych, takie jak ustawienie tytułu lub autora.

  • Przetwarzanie dużych plików:- Użyj efektywnego podejścia do pamięci, na przykład przetwarzania określonych sekcji dokumentu.

Za pomocą tego przewodnika można programowo wyciągać cenne treści z dokumentów programu Word za pomocą Aspose.Words dla .NET.

 Polski