Extract Media from Word Documents

Как извлечь текст, изображения и метаданные из Word-документов в .NET

Экстракция текста, изображений и метаданных из документов Word необходима для анализа и обработки документов. Aspose.Words для .NET позволяет разработчикам программически получать содержание и свойства документов для различных случаев использования, таких как индексирование, архивирование или контент-трансформация.

Предупреждения

  • Инсталляция The .NET SDK .
  • Добавьте пакет Aspose.Words NuGet:dotnet add package Aspose.Words
  • Подготовка документа (document.docxс текстом, изображениями и метаданными.

Шаг за шагом Руководство по выводу контента из файлов Word

1.Загрузите документ слова 

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
    }
}

Объяснение: Этот код загружает указанный документ Word в память для дальнейшей обработки.

2.Извлечение текста из 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
    }
}

Объяснение: Этот код выводит весь текст из загруженного Word-документа и печатает его на консоль.

Извлечение метаданных из 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
    }
}

Объяснение: Этот код выводит и печатает метаданные заголовка, автора и даты создания из документа Word.

4.Изображение изображений из 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.");
    }
}

Объяснение: Этот код выводит все изображения из документа Word и сохраняет их в качестве файлов PNG в каталоге проекта.

5 Тест на решение

  • Безопасность document.docx находится в директории проекта.
  • Проверьте программу и проверите:- Извлеченный текст в выходе консоли.
  • Метаданные детали печатаются.
  • Изображенные изображения сохранились в папке проекта.

Как развернуть и запустить на крупных платформах

Windows

  • Настройка .NET Runtime и внедрение приложения.
  • Проверьте приложение, запуская его через командную линию.

Линукс

  • Настройка .NET Runtime.
  • Используйте командные терминалы, чтобы выполнить приложение или разместить его на сервере.

МАКОС

  • Запускайте приложение с помощью Kestrel или разместите его на облачном сервисе.

Общие проблемы и фиксации

  • Фотографии, не сделанные:- Убедитесь, что документ содержит встроенные изображения, а не внешне связанные.

  • Метаданные отсутствуют:- Убедитесь, что документ имеет метаданные свойства, такие как набор заголовка или автора.

  • Расширенная обработка файлов:- Используйте эффективный подход к памяти, например, обработку конкретных разделов документа.

С помощью этого руководства вы можете программически извлечь ценный контент из Word-документов с помощью Aspose.Words для .NET.

 Русский