Você pode extrair texto limpo e estruturado de documentos PDF em aplicativos .NET com GroupDocs.Parser seguindo estes passos:
// Carregue seu documento no Parser
using (Parser parser = new Parser("input.pdf")) {
// Extraia todo o conteúdo de texto do arquivo
using (TextReader reader = parser.GetText())
{
// Se o texto não estiver disponível, o resultado será nulo
// Use o texto extraído em sua aplicação
Console.WriteLine(reader == null ?
"A extração de texto não é suportada para este formato" : reader.ReadToEnd());
}
}
Além do texto simples, GroupDocs.Parser pode extrair imagens, elementos estruturados e metadados para apoiar a análise de conteúdo, transformação e automação.
Obtenha texto simples ou estruturado de formatos como PDF, DOCX, XLSX, PPTX, HTML e outros formatos.
Extraia texto de imagens digitalizadas, apresentações, planilhas e documentos digitais enquanto preserva a estrutura.
Personalize como o texto é detectado—defina intervalos de página, regiões de layout e ajuste a saída para máxima precisão.
Este exemplo de código mostra como recuperar o conteúdo de texto juntamente com as coordenadas das áreas de um arquivo PowerPoint usando GroupDocs.Parser.
// Carregue a apresentação do PowerPoint com Parser
using (Parser parser = new Parser("input.pptx"))
{
// Extraia todos os retângulos da área de texto do documento
IEnumerable<PageTextArea> areas = parser.GetTextAreas();
// Saia se a extração da área de texto não estiver disponível
if (areas == null)
{
return;
}
// Percorra as áreas de texto de cada página
foreach (PageTextArea a in areas)
{
// Acesse o índice da página, retângulo da área e valor do texto
Console.WriteLine(string.Format("Page: {0}, R: {1}, Text: {2}", a.Page.Index, a.Rectangle, a.Text));
}
}
Baixe GroupDocs.Parser gratuitamente ou obtenha uma licença de teste para acesso total!
Explore a documentação, as amostras de código e o apoio da comunidade para aprimorar sua experiência.
GroupDocs.Parser possibilita a extração de texto de uma ampla gama de tipos de documentos e imagens. Explore os formatos comumente suportados listados abaixo.
