Extrair Texto

O Documentize PDF Extractor para .NET simplifica a extração de texto de documentos PDF. Seja qual for a necessidade de texto puro, bruto ou simples, este plugin permite extrair texto de forma eficiente, preservando a formatação ou omitindo-a conforme suas necessidades.

Como Extrair Texto de PDF

Para extrair texto de um documento PDF, siga estas etapas:

  1. Crie uma instância de ExtractTextOptions para configurar as opções de extração.
  2. Adicione o arquivo PDF de entrada usando o método AddInput.
  3. Execute o método Extract para extrair o texto.
  4. Acesse o texto extraído usando ResultContainer.ResultCollection.
​
1// Create ExtractTextOptions object to set instructions
2var options = new ExtractTextOptions();
3// Add input file path
4options.AddInput(new FileDataSource("path_to_your_pdf_file.pdf"));
5// Perform the process
6var results = PdfExtractor.Extract(options);
7// Get the extracted text from the ResultContainer object
8var textExtracted = results.ResultCollection[0].ToString();

Modos de Extração de Texto

O ExtractTextOptions oferece três modos de extração, proporcionando flexibilidade conforme suas necessidades.

  1. Modo Puro: Preserva a formatação original, incluindo espaços e alinhamento.
  2. Modo Bruto: Extrai o texto sem formatação, útil para processamento de dados brutos.
  3. Modo Achatar: Representa o conteúdo do PDF com fragmentos de texto posicionados por suas coordenadas.
​
1// Create ExtractTextOptions object to set TextFormattingMode
2var options = new ExtractTextOptions(TextFormattingMode.Pure);
3// Add input file path
4options.AddInput(new FileDataSource("path_to_your_pdf_file.pdf"));
5// Perform the process
6var results = PdfExtractor.Extract(options);
7// Get the extracted text from the ResultContainer object
8var textExtracted = results.ResultCollection[0].ToString();

Recursos Principais:

  • Modo Puro: Extrair texto enquanto preserva sua formatação original.
  • Modo Bruto: Extrair texto sem qualquer formatação.
  • Modo Achatar: Extrair texto sem caracteres especiais ou formatação.
 Português