Zavedení

Při práci s PDF soubory může být extrakce zvýrazněného textu nezbytná pro analýzu dat, kontrolu obsahu nebo organizaci poznámek. Pokud používáte Aspose.PDF pro .NET, máte štěstí. Tento tutoriál poskytuje jasné a podrobné pokyny, jak efektivně extrahovat zvýrazněný text z PDF dokumentu.

Předpoklady

Než začnete, ujistěte se, že máte připraveno následující:

• Aspose.PDF pro knihovnu .NET: Stáhněte si knihovnu z stránka s vydáním.
• Vývojové prostředí: Pracovní prostředí, jako je Visual Studio.
• Základní znalost C#: Znalost C# a objektově orientovaného programování je nezbytná.
• Licence Aspose: I když můžete začít s bezplatnou zkušební verzí, dočasná licence nebo plnou licenci od zde poskytne neomezený přístup.

Importovat nezbytné jmenné prostory

Začněte importem požadovaných jmenných prostorů do vašeho projektu C#:

using Aspose.Pdf.Text;
using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;

Tyto jmenné prostory poskytují přístup ke třídám a metodám potřebným pro práci s PDF dokumenty a anotacemi.

Krok 1: Nastavení adresáře projektu

Zadejte adresář, kde se nachází váš PDF soubor:

// Cesta k adresáři s dokumenty.
string dataDir = "YOUR DOCUMENT DIRECTORY";

Nezapomeňte nahradit cestu skutečným adresářem vašeho PDF souboru.

Krok 2: Načtěte dokument PDF

Načtěte PDF dokument s následujícím kódem:

Document doc = new Document(dataDir + "ExtractHighlightedText.pdf");

Ujistěte se, že zadaný soubor existuje v daném adresáři.

Krok 3: Přístup k anotacím na stránce

Pro přístup k anotacím projděte anotacemi na požadované stránce (v tomto případě na první stránce):

foreach (Annotation annotation in doc.Pages[1].Annotations)
{
    if (annotation is TextMarkupAnnotation)
    {
        TextMarkupAnnotation highlightedAnnotation = annotation as TextMarkupAnnotation;

Tento kód filtruje TextMarkupAnnotation typy, které představují zvýraznění.

Krok 4: Extrahujte zvýrazněný text

Nyní extrahujte a zobrazte text ze zvýrazněných anotací:

        TextFragmentCollection collection = highlightedAnnotation.GetMarkedTextFragments();
        foreach (TextFragment tf in collection)
        {
            Console.WriteLine(tf.Text);
        }
    }
}

Tím se načtou všechny označené fragmenty textu spojené se zvýrazněním a vypíší se do konzole.

Závěr

Extrakce zvýrazněného textu z PDF pomocí Aspose.PDF pro .NET je jednoduchá a může výrazně vylepšit proces zpracování dokumentů. Dodržováním výše uvedených kroků můžete efektivně shromažďovat zvýrazněný text pro různé aplikace, jako je příprava sestav nebo analýza dat.

Často kladené otázky

Mohu extrahovat jiné typy anotací?

Ano, stačí upravit if podmínka pro zahrnutí různých typů anotací, jako například TextAnnotation nebo StampAnnotation.

Jak mohu extrahovat zvýrazněný text ze všech stránek PDF?

Všechny stránky můžete procházet pomocí:

for (int i = 1; i <= doc.Pages.Count; i++)
{
    foreach (Annotation annotation in doc.Pages[i].Annotations) { ... }
}

Je pro Aspose.PDF pro .NET nutná licence?

K dispozici je bezplatná zkušební verze, ale zvažte dočasná licence nebo plnou licenci pro úplný přístup.

Mohu uložit extrahovaný text do souboru?

Rozhodně! Kód můžete upravit tak, aby zapisoval extrahovaný text do textového souboru.

Podporuje Aspose.PDF i jiné platformy?

Ano, Aspose.PDF také podporuje Javu a další platformy a poskytuje podobné funkce.