提取文本

The Documentize PDF Extractor for .NET 简化了从 PDF 文档中提取文本的过程。无论您需要纯文本、原始文本还是普通文本，此插件都能高效提取文本，并根据需求保留或省略格式。

如何从 PDF 文件提取文本

要从 PDF 文件提取文本，请按照以下步骤操作：

  1. 创建 ExtractTextOptions 实例以配置输入文件路径。
  2. 运行 Extract 方法进行文本提取。
​
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);

如何从 PDF 流提取文本

要从 PDF 流提取文本，请按照以下步骤操作：

  1. 创建 ExtractTextOptions 实例以配置输入流。
  2. 运行 Extract 方法进行文本提取。
​
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);

文本提取模式

ExtractTextOptions 提供三种提取模式，满足不同需求的灵活性。

  1. Pure Mode：保留原始格式，包括空格和对齐。
  2. Raw Mode：不保留格式，适用于原始数据处理。
  3. Flatten Mode：使用坐标表示 PDF 内容的文本片段。
​
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);

最简方式从 PDF 文件提取文本

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

关键特性：

  • Pure Mode：在保留原始格式的同时提取文本。
  • Raw Mode：提取不含任何格式的文本。
  • Flatten Mode：提取不含特殊字符或格式的文本。
 中文