Extractor de Texto

¿Tienes un documento PDF del cual necesitas extraer texto programáticamente? Con Aspose.PDF para .NET, puedes lograr esta tarea fácilmente usando la clase TextExtractor. En este artículo, te guiaremos a través de los pasos básicos para crear una aplicación de extracción de texto en .NET, cubriendo la creación de un objeto TextExtractor, añadiendo una fuente de datos y ejecutando el proceso de extracción de texto.

Requisitos previos

Necesitarás lo siguiente:

• Visual Studio 2019 o posterior
• Aspose.PDF para .NET 24.1 o posterior
• Un archivo PDF de muestra

Adicionalmente, familiarízate con la clase TextExtractorOptions y sus funcionalidades. Puedes encontrar información detallada en la Referencia API de Aspose.PDF.

Ahora, adentrémonos en el código y exploremos cómo extraer texto de un documento PDF. Ahora, vamos a adentrarnos en el código y explorar cómo extraer texto de un documento PDF.

Recorrido por el Código

El siguiente código demuestra las capacidades de extracción de texto. Desglosemos los pasos clave:

1. Crear un Objeto TextExtractor

El código comienza creando una nueva instancia de la clase TextExtractor. Esta clase proporciona métodos para extraer texto de documentos PDF.

using TextExtractor extractor = new();

2. Agregar una Fuente de Datos

A continuación, se crea un FileDataSource para el archivo PDF de entrada. Este es el archivo del que se extraerá el texto.

FileDataSource fileSource = new(Path.Combine(@"C:\Samples\", "sample.pdf"));

3. Crear TextExtractorOptions

Se crea un objeto TextExtractorOptions para configurar el proceso de extracción de texto. La fuente de archivo de entrada se agrega a las opciones.

TextExtractorOptions textExtractorOptions = new();
textExtractorOptions.AddInput(fileSource);

4. Ejecutar el Proceso de Extracción de Texto

Luego, se llama al método Process en el objeto TextExtractor, pasando las opciones configuradas. El método Process se llama entonces en el objeto TextExtractor, pasando las opciones configuradas.

var resultContainer = extractor.Process(textExtractorOptions);
var results = resultContainer.ResultCollection;
Console.WriteLine(results[0]);

Puedes ver el código completo a continuación:

using Aspose.Pdf.Plugins;
// ...

// Crear una nueva instancia de TextExtractor.
using TextExtractor extractor = new();

// Crear un FileDataSource para el archivo PDF de entrada.
FileDataSource fileSource = new(Path.Combine(@"C:\Samples\", "sample.pdf"));

// Crear TextExtractorOptions.
TextExtractorOptions textExtractorOptions = new();
textExtractorOptions.AddInput(fileSource);

// Procesar la extracción de texto.
var resultContainer = extractor.Process(textExtractorOptions);
var results = resultContainer.ResultCollection;

// Imprimir el texto extraído.
Console.WriteLine(results[0]);

```