Trích xuất phương tiện từ tài liệu Word

Cách trích xuất văn bản, hình ảnh và siêu dữ liệu từ tài liệu Word trong .NET

Trích xuất văn bản, hình ảnh và siêu dữ liệu từ tài liệu Word là rất cần thiết cho phân tích và xử lý tài liệu. Với Aspose.Words for .NET, các nhà phát triển có thể lập trình để truy xuất nội dung và thuộc tính của tài liệu cho nhiều trường hợp sử dụng khác nhau, chẳng hạn như lập chỉ mục, lưu trữ hoặc chuyển đổi nội dung.

Điều kiện tiên quyết

  1. Cài đặt .NET SDK.
  2. Thêm gói NuGet Aspose.Words: dotnet add package Aspose.Words
  3. Chuẩn bị một tài liệu Word (document.docx) với văn bản, hình ảnh và siêu dữ liệu.

Hướng dẫn từng bước để trích xuất nội dung từ tệp Word

1. Tải tài liệu Word 

using System;
using Aspose.Words;

class Program
{
    static void Main()
    {
        // Bước 1: Tải tài liệu Word
        string filePath = "document.docx";
        Document doc = new Document(filePath);

        // Các bước 2, 3 và 4 sẽ được thêm vào bên dưới
    }
}

Giải thích: Mã này tải tài liệu Word đã chỉ định vào bộ nhớ để xử lý tiếp theo.

2. Trích xuất văn bản từ tài liệu 

using System;
using Aspose.Words;

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

        // Bước 2: Trích xuất văn bản
        string text = doc.GetText();
        Console.WriteLine("Văn bản đã trích xuất: " + text);

        // Các bước 3 và 4 sẽ được thêm vào bên dưới
    }
}

Giải thích: Mã này trích xuất tất cả nội dung văn bản từ tài liệu Word đã tải và in nó ra màn hình console.

3. Trích xuất siêu dữ liệu từ tài liệu 

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("Văn bản đã trích xuất: " + text);

        // Bước 3: Trích xuất siêu dữ liệu
        Console.WriteLine("Tiêu đề: " + doc.BuiltInDocumentProperties.Title);
        Console.WriteLine("Tác giả: " + doc.BuiltInDocumentProperties.Author);
        Console.WriteLine("Ngày tạo: " + doc.BuiltInDocumentProperties.CreatedTime);

        // Bước 4 sẽ được thêm vào bên dưới
    }
}

Giải thích: Mã này trích xuất và in tiêu đề, tác giả và ngày tạo siêu dữ liệu từ tài liệu Word.

4. Trích xuất hình ảnh từ tài liệu 

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("Văn bản đã trích xuất: " + text);

        Console.WriteLine("Tiêu đề: " + doc.BuiltInDocumentProperties.Title);
        Console.WriteLine("Tác giả: " + doc.BuiltInDocumentProperties.Author);
        Console.WriteLine("Ngày tạo: " + doc.BuiltInDocumentProperties.CreatedTime);

        // Bước 4: Trích xuất hình ảnh
        int imageCount = 0;
        foreach (var shape in doc.GetChildNodes(NodeType.Shape, true))
        {
            if (shape is Shape { HasImage: true } imageShape)
            {
                string imageFilePath = $"Hình_ảnh_{++imageCount}.png";
                imageShape.ImageData.Save(imageFilePath);
                Console.WriteLine($"Đã lưu hình ảnh: {imageFilePath}");
            }
        }

        Console.WriteLine("Hoàn tất việc trích xuất nội dung.");
    }
}

Giải thích: Mã này trích xuất tất cả hình ảnh từ tài liệu Word và lưu chúng dưới dạng tệp PNG trong thư mục dự án.

5. Kiểm tra giải pháp

  • Đảm bảo rằng document.docx có trong thư mục dự án.
  • Chạy chương trình và xác nhận:
    • Văn bản đã trích xuất trong đầu ra console.
    • Chi tiết siêu dữ liệu được in ra.
    • Hình ảnh đã trích xuất được lưu trong thư mục dự án.

Cách triển khai và chạy trên các nền tảng chính

Windows

  1. Cài đặt runtime .NET và triển khai ứng dụng.
  2. Kiểm tra ứng dụng bằng cách chạy nó qua dòng lệnh.

Linux

  1. Cài đặt runtime .NET.
  2. Sử dụng các lệnh terminal để thực hiện ứng dụng hoặc lưu trữ nó trên một máy chủ.

macOS

  1. Chạy ứng dụng bằng Kestrel hoặc triển khai nó trên dịch vụ đám mây.

Vấn đề thường gặp và cách khắc phục

  1. Hình ảnh không được trích xuất:
    • Đảm bảo tài liệu chứa hình ảnh nhúng và không phải là hình ảnh liên kết bên ngoài.
  2. Thiếu siêu dữ liệu:
    • Xác minh rằng tài liệu có các thuộc tính siêu dữ liệu như Tiêu đề hoặc Tác giả đã được thiết lập.
  3. Xử lý tệp lớn:
    • Sử dụng phương pháp tiết kiệm bộ nhớ, chẳng hạn như xử lý các phần cụ thể của tài liệu.

Với hướng dẫn này, bạn có thể lập trình để trích xuất nội dung giá trị từ tài liệu Word bằng cách sử dụng Aspose.Words for .NET.

 Tiếng Việt