Вы можете извлечь чистый и структурированный текст из документов EPUB в приложениях .NET с помощью GroupDocs.Parser, следуя этим шагам:
// Загрузите ваш документ в Parser
using (Parser parser = new Parser("input.epub")) {
// Извлеките весь текст из файла
using (TextReader reader = parser.GetText())
{
// Если текст недоступен, результат будет null
// Используйте извлеченный текст в вашем приложении
Console.WriteLine(reader == null ?
"Извлечение текста не поддерживается для этого формата" : reader.ReadToEnd());
}
}
Кроме обычного текста, GroupDocs.Parser может извлекать изображения, структурированные элементы и метаданные для поддержки анализа контента, преобразования и автоматизации.
Получите обычный или структурированный текст из таких форматов, как PDF, DOCX, XLSX, PPTX, HTML и других форматов.
Извлеките текст из сканированных изображений, презентаций, таблиц и цифровых документов, сохраняя структуру.
Настройте, как обнаруживается текст — определите диапазоны страниц, области макета и настройте вывод для достижения максимальной точности.
Этот пример кода показывает, как получить текстовое содержимое вместе с координатами областей из файла PowerPoint с использованием GroupDocs.Parser.
// Загрузите презентацию PowerPoint с помощью Parser
using (Parser parser = new Parser("input.pptx"))
{
// Извлеките все текстовые прямоугольники из документа
IEnumerable<PageTextArea> areas = parser.GetTextAreas();
// Выйдите, если извлечение текстовых областей недоступно
if (areas == null)
{
return;
}
// Пройдите через текстовые области каждой страницы
foreach (PageTextArea a in areas)
{
// Получите индекс страницы, прямоугольник области и текстовое значение
Console.WriteLine(string.Format("Page: {0}, R: {1}, Text: {2}", a.Page.Index, a.Rectangle, a.Text));
}
}
Загрузите GroupDocs.Parser бесплатно или получите пробную лицензию для полного доступа!
Изучите документацию, примеры кода и раздел поддержки, чтобы улучшить ваш опыт.
GroupDocs.Parser позволяет извлечение текста из широкого спектра документов и изображений. Изучите общепризнанные поддерживаемые форматы, перечисленные ниже.
