Extract Text

Documentize PDF Extractor untuk .NET menyederhanakan ekstraksi teks dari dokumen PDF. Apakah Anda memerlukan teks yang murni, mentah, atau biasa, plugin ini memungkinkan Anda untuk mengekstrak teks dengan efisien sambil mempertahankan format atau menghilangkannya sesuai kebutuhan Anda.

Cara Mengekstrak Teks dari PDF

Untuk mengekstrak teks dari dokumen PDF, ikuti langkah-langkah berikut:

  1. Buat instansi dari ExtractTextOptions untuk mengonfigurasi opsi ekstraksi.
  2. Tambahkan file PDF input menggunakan metode AddInput.
  3. Jalankan metode ExtractText untuk mengekstrak teks.
  4. Akses teks yang diekstrak menggunakan ResultContainer.ResultCollection.
​
1// Buat objek ExtractTextOptions untuk mengatur instruksi
2var options = new ExtractTextOptions();
3// Tambahkan jalur file input
4options.AddInput(new FileDataSource("path_to_your_pdf_file.pdf"));
5// Lakukan proses
6var results = PdfExtractor.ExtractText(options);
7// Dapatkan teks yang diekstrak dari objek ResultContainer
8var textExtracted = results.ResultCollection[0].ToString();

Mode Ekstraksi Teks

ExtractTextOptions menawarkan tiga mode ekstraksi, memberikan fleksibilitas berdasarkan kebutuhan Anda.

  1. Pure Mode: Mempertahankan format asli, termasuk spasi dan penjajaran.
  2. Raw Mode: Mengekstrak teks tanpa format, berguna untuk pemrosesan data mentah.
  3. Flatten Mode: Mewakili konten PDF dengan memposisikan fragmen teks berdasarkan koordinat mereka.
​
1// Buat objek ExtractTextOptions untuk mengatur TextFormattingMode
2var options = new ExtractTextOptions(TextFormattingMode.Pure);
3// Tambahkan jalur file input
4options.AddInput(new FileDataSource("path_to_your_pdf_file.pdf"));
5// Lakukan proses
6var results = PdfExtractor.ExtractText(options);
7// Dapatkan teks yang diekstrak dari objek ResultContainer
8var textExtracted = results.ResultCollection[0].ToString();

Fitur Utama:

  • Pure Mode: Ekstrak teks sambil mempertahankan format aslinya.
  • Raw Mode: Ekstrak teks tanpa format apapun.
  • Flatten Mode: Ekstrak teks tanpa karakter khusus atau format.
 Indonesia