استخراج النصوص الفوقية والسفلية من ملف PDF

استخراج النصوص الفوقية والسفلية

استخراج النصوص من مستند PDF أمر شائع. ومع ذلك، في مثل هذه النصوص، عند استخراجها، قد لا يتم عرض النصوص الفوقية والسفلية المحتواة فيها، والتي تكون نمطية للوثائق الفنية والمقالات. النص السفلي أو الفوقي هو حرف، رقم، أو حرف يوضع أسفل أو أعلى خط نص عادي. وعادة ما يكون أصغر من بقية النص.

النصوص السفلية والفوقية تستخدم غالباً في الصيغ، التعبيرات الرياضية، ومواصفات المركبات الكيميائية. المراجع والمؤشرات العلوية تُستخدم غالبًا في الصيغ، والتعبيرات الرياضية، ومواصفات المركبات الكيميائية. في إحدى الإصدارات الأخيرة، أضافت مكتبة Aspose.PDF لـ .NET دعمًا لاستخراج نصوص المراجع العلوية والسفلية من ملفات PDF.

استخدم فئة TextFragmentAbsorber ويمكنك بالفعل القيام بأي شيء مع النص الموجود، أي يمكنك ببساطة استخدام النص بأكمله. جرب قطعة الكود التالية:

قطعة الكود التالية تعمل أيضاً مع مكتبة Aspose.PDF.Drawing.

    Document doc = new Document(GetInputPath("test1.pdf"));
    TextFragmentAbsorber absorber = new TextFragmentAbsorber();
    doc.Pages[1].Accept(absorber);
        using (StreamWriter writer = new StreamWriter(GetOutputPath("output.txt")))
        {
            writer.WriteLine(absorber.Text);
        }

أو استخدم TextFragments بشكل منفصل وقم بكل أنواع التلاعب بها، مثل الفرز حسب الإحداثيات أو حسب الحجم.

قطعة الكود التالية تعمل أيضاً مع مكتبة Aspose.PDF.Drawing. الشفرة التالية تعمل أيضاً مع مكتبة Aspose.PDF.Drawing.

    Document doc = new Document(GetInputPath("test1.pdf"));
    TextFragmentAbsorber absorber = new TextFragmentAbsorber();
    doc.Pages[1].Accept(absorber);
        using (StreamWriter writer = new StreamWriter(GetOutputPath("output.txt")))
        {
            foreach (var textFragment in absorber.TextFragments)
            {
                writer.Write(textFragment.Text);
            }
        }