Ekstrak Teks yang Disorot dari PDF Menggunakan Aspose.PDF untuk .NET

Perkenalan

Saat bekerja dengan file PDF, mengekstrak teks yang disorot dapat menjadi hal penting untuk analisis data, peninjauan konten, atau pengaturan catatan. Jika Anda menggunakan Aspose.PDF untuk .NET, Anda beruntung. Tutorial ini memberikan petunjuk langkah demi langkah yang jelas tentang cara mengekstrak teks yang disorot dari dokumen PDF secara efisien.

Prasyarat

Sebelum memulai, pastikan Anda telah menyiapkan hal-hal berikut:

• Aspose.PDF untuk Pustaka .NET: Unduh pustaka darihalaman rilis.
• Lingkungan Pengembangan: Lingkungan kerja seperti Visual Studio.
• Pengetahuan Dasar C#: Diperlukan keakraban dengan C# dan pemrograman berorientasi objek.
• Lisensi Aspose: Meskipun Anda dapat memulai dengan uji coba gratis,lisensi sementara atau lisensi penuh dariDi Sini akan memberikan akses tanpa batas.

Impor Ruang Nama yang Diperlukan

Mulailah dengan mengimpor namespace yang diperlukan dalam proyek C# Anda:

using Aspose.Pdf.Text;
using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;

Ruang nama ini menyediakan akses ke kelas dan metode yang diperlukan untuk menangani dokumen PDF dan anotasi.

Langkah 1: Siapkan Direktori Proyek Anda

Tentukan direktori tempat file PDF Anda berada:

// Jalur ke direktori dokumen.
string dataDir = "YOUR DOCUMENT DIRECTORY";

Pastikan untuk mengganti jalur dengan direktori sebenarnya dari berkas PDF Anda.

Langkah 2: Muat Dokumen PDF

Muat dokumen PDF dengan kode berikut:

Document doc = new Document(dataDir + "ExtractHighlightedText.pdf");

Pastikan file yang ditentukan ada dalam direktori yang diberikan.

Langkah 3: Akses Anotasi di Halaman

Untuk mengakses anotasi, ulangi anotasi pada halaman yang Anda inginkan (dalam hal ini, halaman pertama):

foreach (Annotation annotation in doc.Pages[1].Annotations)
{
    if (annotation is TextMarkupAnnotation)
    {
        TextMarkupAnnotation highlightedAnnotation = annotation as TextMarkupAnnotation;

Kode ini menyaring untukTextMarkupAnnotation jenis, yang mewakili sorotan.

Langkah 4: Ekstrak Teks yang Disorot

Sekarang, ekstrak dan tampilkan teks dari anotasi yang disorot:

        TextFragmentCollection collection = highlightedAnnotation.GetMarkedTextFragments();
        foreach (TextFragment tf in collection)
        {
            Console.WriteLine(tf.Text);
        }
    }
}

Ini mengambil semua fragmen teks yang ditandai yang terkait dengan sorotan dan mencetaknya ke konsol.

Kesimpulan

Mengekstrak teks yang disorot dari PDF menggunakan Aspose.PDF untuk .NET mudah dan dapat meningkatkan proses penanganan dokumen Anda secara signifikan. Dengan mengikuti langkah-langkah yang diuraikan di atas, Anda dapat mengumpulkan teks yang disorot secara efisien untuk berbagai aplikasi, seperti persiapan laporan atau analisis data.

Pertanyaan yang Sering Diajukan

Bisakah saya mengekstrak jenis anotasi lainnya?

Ya, cukup sesuaikanif kondisi untuk menyertakan berbagai jenis anotasi sepertiTextAnnotation atauStampAnnotation.

Bagaimana cara mengekstrak teks yang disorot dari semua halaman PDF?

Anda dapat mengulang semua halaman menggunakan:

for (int i = 1; i <= doc.Pages.Count; i++)
{
    foreach (Annotation annotation in doc.Pages[i].Annotations) { ... }
}

Apakah diperlukan lisensi untuk Aspose.PDF untuk .NET?

Uji coba gratis tersedia, tetapi pertimbangkanlisensi sementara atau lisensi penuh untuk akses lengkap.

Bisakah saya menyimpan teks yang diekstrak ke dalam sebuah berkas?

Tentu saja! Anda dapat mengubah kode untuk menulis teks yang diekstrak ke dalam berkas teks.

Apakah Aspose.PDF mendukung platform lain?

Ya, Aspose.PDF juga mendukung Java dan platform lainnya, menyediakan fungsionalitas serupa.