Extract Media from Word Documents

如何在 .NET 中从 Word 文档中提取文本、图像和元数据

从Word文档中提取文本、图像和代数据是文档分析和处理至关重要的。 通过Aspose.Words for .NET**,开发人员可以编程地获取文档内容和属性,用于各种使用情况,如索引、存档或内容转换。

原則

  • 安装 The 网 SDK .
  • 添加 Aspose.Words NuGet 包:dotnet add package Aspose.Words
  • 编写文本(document.docx)与文本、图像和金属数据。

步骤指南从Word文件中提取内容

1、下载词文档 

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
    }
}

解释: 此代码将所指定的 Word 文档加载到内存中,以便进一步处理。

二、从文件中提取文本 

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
    }
}

解释: 此代码从加载的 Word 文档中提取所有文本内容并将其打印到控制台上。

3、从文档中提取代数据 

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
    }
}

解释: 此代码从 Word 文档中提取和打印标题、作者和创建日期的代码数据。

4、从文件中提取图像 

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.");
    }
}

解释: 此代码从 Word 文档中提取所有图像,并将其保存为项目目录中的 PNG 文件。

5、测试解决方案

  • 保证 document.docx 在项目目录中。
  • 运行程序并验证:- 在控制台输出中提取的文本。
  • 印刷的细节。
  • 提取的图像存储在项目文件夹中。

如何在主要平台上部署和运行

窗口

  • 安装 .NET 运行时间并部署应用程序。
  • 通过命令线运行应用程序进行测试。

林肯

  • 安装 .NET 运行时间。
  • 使用终端命令执行应用程序或在服务器上托管它。

马克思

  • 使用 Kestrel 运行应用程序或在云服务中部署应用程序。

常见问题和解决方案

  • 未提取的图像:- 确保文件包含内置的图像,而不是外部链接的图像。

  • 缺失的数据:- 确保文档具有代数据属性,如标题或作者设置。

  • 大文件处理:- 使用记忆效益的方法,例如处理文档的特定部分。

使用此指南,您可以通过使用 Aspose.Words for .NET 从 Word 文档中编程提取有价值的内容。

 中文