Извлечение текста

The Documentize PDF Extractor for .NET упрощает извлечение текста из PDF‑документов. Независимо от того, нужен ли вам чистый, необработанный или простой текст, этот плагин позволяет эффективно извлекать текст, сохраняя форматирование или опуская его в зависимости от ваших требований.

Как извлечь текст из PDF‑файла

Чтобы извлечь текст из PDF‑файла, выполните следующие шаги:

1. Создайте экземпляр ExtractTextOptions для указания пути к входному файлу.
2. Запустите метод Extract для извлечения текста.

1// Create ExtractTextOptions object to set input file path
2var options = new ExtractTextOptions("path_to_your_pdf_file.pdf");
3// Perform the process and get the extracted text
4var textExtracted = PdfExtractor.Extract(options);

Как извлечь текст из PDF‑потока

Чтобы извлечь текст из PDF‑потока, выполните следующие шаги:

1. Создайте экземпляр ExtractTextOptions для указания входного потока.
2. Запустите метод Extract для извлечения текста.

1// Create ExtractTextOptions object to set input stream
2var stream = File.OpenRead("path_to_your_pdf_file.pdf");
3var options = new ExtractTextOptions(stream);
4// Perform the process and get the extracted text
5var textExtracted = PdfExtractor.Extract(options);

Режимы извлечения текста

**ExtractTextOptions** предлагает три режима извлечения, обеспечивая гибкость в зависимости от ваших потребностей.

1. Pure Mode: Сохраняет оригинальное форматирование, включая пробелы и выравнивание.
2. Raw Mode: Извлекает текст без форматирования, полезно для обработки необработанных данных.
3. Flatten Mode: Представляет содержимое PDF в виде позиционных фрагментов текста с их координатами.

1// Create ExtractTextOptions object to set input file path and TextFormattingMode
2var options = new ExtractTextOptions("path_to_your_pdf_file.pdf", TextFormattingMode.Pure);
3// Perform the process and get the extracted text
4var textExtracted = PdfExtractor.Extract(options);

Как извлечь текст из PDF‑файла в максимально короткой форме

1// Perform the process and get the extracted text
2var textExtracted = PdfExtractor.Extract(new ExtractTextOptions("path_to_your_pdf_file.pdf", TextFormattingMode.Pure));

Ключевые особенности:

• Pure Mode: Извлекает текст, сохраняющий оригинальное форматирование.
• Raw Mode: Извлекает текст без какого‑либо форматирования.
• Flatten Mode: Извлекает текст без специальных символов и форматирования.

Извлечение изображений

Плагин Documentize PDF Extractor for .NET позволяет без усилий извлекать изображения из PDF‑документов. Он сканирует ваши PDF‑файлы, определяет встроенные изображения и извлекает их, сохраняя исходное качество и формат. Этот инструмент повышает доступность визуального контента и упрощает процесс получения изображений из PDF‑файлов.

Как извлечь изображения из PDF

Чтобы извлечь изображения из PDF‑файла, выполните следующие шаги:

1. Создайте экземпляр класса ExtractImagesOptions.
2. Добавьте путь к входному файлу в параметры с помощью метода AddInput.
3. Укажите путь к каталогу вывода для изображений с помощью метода AddOutput.
4. Выполните процесс извлечения изображений с помощью плагина.
5. Получите извлечённые изображения из контейнера результатов.

 1// Create ExtractImagesOptions to set instructions
 2var options = new ExtractImagesOptions();
 3// Add input file path
 4options.AddInput(new FileDataSource("path_to_your_pdf_file.pdf"));
 5// Set output Directory path
 6options.AddOutput(new DirectoryDataSource("path_to_results_directory"));
 7// Perform the process
 8var results = PdfExtractor.Extract(options);
 9// Get path to image result
10var imageExtracted = results.ResultCollection[0].ToFile();

Извлечение изображений из PDF‑файла в потоки без папки

Плагин PdfExtractor поддерживает сохранение в потоки, что позволяет извлекать изображения из PDF‑файлов непосредственно в потоки без использования временных папок.

 1// Create ExtractImagesOptions to set instructions
 2var options = new ExtractImagesOptions();
 3// Add input file path
 4options.AddInput(new FileDataSource("path_to_your_pdf_file.pdf"));
 5// Not set output - it will write results to streams
 6// Perform the process
 7var results = PdfExtractor.Extract(options);
 8// Get Stream
 9var ms = results.ResultCollection[0].ToStream();
10// Copy data to file for demo
11ms.Seek(0, SeekOrigin.Begin);
12using (var fs = File.Create("test_file.png"))
13{
14    ms.CopyTo(fs);
15}

Ключевые возможности:

• Извлечение встроенных изображений: Определение и извлечение изображений из PDF‑документов.
• Сохранение качества изображений: Гарантирует, что извлечённые изображения сохранят оригинальное качество.
• Гибкий вывод: Сохранение извлечённых изображений в желаемом формате или месте.

Извлечение свойств / Метаданных

The Documentize PDF Extractor для .NET упрощает извлечение метаданных из PDF‑документов.
Доступные свойства, которые могут вас заинтересовать: FileName, Title, Author, Subject, Keywords, Created, Modified, Application, PDF Producer, Number of Pages.

Как извлечь метаданные из PDF‑файла

В примере показано, как извлечь свойства (Title, Author, Subject, Keywords, Number of Pages) из PDF‑файла.
Чтобы извлечь метаданные из PDF‑документа, выполните следующие шаги:

1. Создайте экземпляр ExtractPropertiesOptions для настройки параметров извлечения и указания входного PDF‑файла.
2. Вызовите метод Extract класса PdfExtractor для извлечения метаданных.
3. Получите извлечённые свойства через PdfProperties.

 1// Create ExtractPropertiesOptions object to set input file
 2var options = new ExtractPropertiesOptions("path_to_your_pdf_file.pdf");
 3// Perform the process and get Properties
 4var pdfProperties = PdfExtractor.Extract(options);
 5var filename = pdfProperties.FileName;
 6var title = pdfProperties.Title;
 7var author = pdfProperties.Author;
 8var subject = pdfProperties.Subject;
 9var keywords = pdfProperties.Keywords;
10var created = pdfProperties.Created;
11var modified = pdfProperties.Modified;
12var application = pdfProperties.Application;
13var pdfProducer = pdfProperties.PdfProducer;
14var numberOfPages = pdfProperties.NumberOfPages;

Как извлечь метаданные из PDF‑потока

Вы можете открыть поток по своему усмотрению.

 1// Create ExtractPropertiesOptions object to set input stream
 2var stream = File.OpenRead("path_to_your_pdf_file.pdf");
 3var options = new ExtractPropertiesOptions(stream);
 4// Perform the process and get Properties
 5var pdfProperties = PdfExtractor.Extract(options);
 6var title = pdfProperties.Title;
 7var author = pdfProperties.Author;
 8var subject = pdfProperties.Subject;
 9var keywords = pdfProperties.Keywords;
10var created = pdfProperties.Created;
11var modified = pdfProperties.Modified;
12var application = pdfProperties.Application;
13var pdfProducer = pdfProperties.PdfProducer;
14var numberOfPages = pdfProperties.NumberOfPages;

Как извлечь метаданные из PDF‑файла в самом коротком виде

1// Perform the process and get Properties
2var pdfProperties = PdfExtractor.Extract(new ExtractPropertiesOptions("path_to_your_pdf_file.pdf"));

Ключевые возможности:

• Доступные метаданные: FileName, Title, Author, Subject, Keywords, Created, Modified, Application, PDF Producer, Number of Pages.

Экспорт данных формы

The Documentize PDF Extractor for .NET плагин предоставляет простой способ извлечения и экспорта данных из PDF-форм (AcroForms) в другие форматы, такие как CSV. Этот динамический инструмент упрощает процесс получения значений полей формы, позволяя легко управлять данными, передавать их и анализировать.

Как экспортировать данные формы из PDF

Чтобы экспортировать данные формы из PDF в CSV, выполните следующие шаги:

1. Создайте экземпляр класса ExtractImagesOptions.
2. Определите параметры экспорта с помощью класса FormExporterValuesToCsvOptions.
3. Добавьте входные PDF‑файлы и укажите выходной CSV‑файл.
4. Запустите метод Extract для выполнения экспорта.

1// Create ExtractFormDataToDsvOptions object to set instructions
2var options = new ExtractFormDataToDsvOptions(',', true);
3// Add input file path
4options.AddInput(new FileDataSource("path_to_your_pdf_file.pdf"));
5// Set output file path
6options.AddOutput(new FileDataSource("path_to_result_csv_file.csv"));
7// Perform the process
8PdfExtractor.Extract(options);

Ключевые возможности:

• Экспорт данных формы: Извлекать данные из PDF-форм (AcroForms) в CSV или другие форматы.
• Фильтрация данных: Использовать предикаты для фильтрации конкретных полей формы при экспорте на основе критериев, таких как тип поля или номер страницы.
• Гибкий вывод: Сохранять экспортированные данные для анализа или передачи в электронные таблицы, базы данных или другие форматы документов.