Extract Media from Word Documents

Як витягти текст, зображення та метадані з документів Word у .NET

Витяг тексту, зображень та метаданів з Word-документів є необхідним для аналізу та обробки документів. Aspose.Words для .NET, розробники можуть програматично отримувати вміст документів і властивості для різних випадків використання, таких як індексування, архівування або контент-трансформація.

Передумови

  • Install the Створення .NET SDK.
  • Додайте пакет Aspose.Words NuGet:dotnet add package Aspose.Words
  • Завантажити документ (document.docx) з текстом, зображеннями та метаданими.

Крок за кроком Посібник для екстракції контенту з файлів Word

1.Завантажити документ слова 

using System;
using Aspose.Words;

class Program
{
    static void Main()
    {
        // Step 1: Load the Word document
        string filePath = "document.docx";
        Document doc = new Document(filePath);

        // Steps 2, 3, and 4 will be added below
    }
}

Пояснення: Цей код завантажує зазначений документ Word в пам’ять для подальшого обробки.

Витяг тексту з документа 

using System;
using Aspose.Words;

class Program
{
    static void Main()
    {
        string filePath = "document.docx";
        Document doc = new Document(filePath);

        // Step 2: Extract Text
        string text = doc.GetText();
        Console.WriteLine("Extracted Text: " + text);

        // Steps 3 and 4 will be added below
    }
}

Пояснення: Цей код витягує весь текст з завантаженого Word-документу і друкує його на консоль.

Витяг метаданів з документа 

using System;
using Aspose.Words;

class Program
{
    static void Main()
    {
        string filePath = "document.docx";
        Document doc = new Document(filePath);

        string text = doc.GetText();
        Console.WriteLine("Extracted Text: " + text);

        // Step 3: Extract Metadata
        Console.WriteLine("Title: " + doc.BuiltInDocumentProperties.Title);
        Console.WriteLine("Author: " + doc.BuiltInDocumentProperties.Author);
        Console.WriteLine("Created Date: " + doc.BuiltInDocumentProperties.CreatedTime);

        // Step 4 will be added below
    }
}

Пояснення: Цей код витягує і друкує заголовок, автора і метаданни дати створення з документа Word.

Витяг зображень з документа 

using System;
using Aspose.Words;

class Program
{
    static void Main()
    {
        string filePath = "document.docx";
        Document doc = new Document(filePath);

        string text = doc.GetText();
        Console.WriteLine("Extracted Text: " + text);

        Console.WriteLine("Title: " + doc.BuiltInDocumentProperties.Title);
        Console.WriteLine("Author: " + doc.BuiltInDocumentProperties.Author);
        Console.WriteLine("Created Date: " + doc.BuiltInDocumentProperties.CreatedTime);

        // Step 4: Extract Images
        int imageCount = 0;
        foreach (var shape in doc.GetChildNodes(NodeType.Shape, true))
        {
            if (shape is Shape { HasImage: true } imageShape)
            {
                string imageFilePath = $"Image_{++imageCount}.png";
                imageShape.ImageData.Save(imageFilePath);
                Console.WriteLine($"Saved Image: {imageFilePath}");
            }
        }

        Console.WriteLine("Content extraction completed.");
    }
}

Пояснення: Цей код витягує всі зображення з документа Word і зберігає їх як файли PNG в проектному каталозі.

5 Випробування рішення

  • Ensure document.docx is in the project directory.
  • Завантажити програму та перевірити:- Витягнутий текст у вихід консолі.
  • Детальніше метаданни друковані.
  • Витягнуті зображення збереглися в папці проекту.

Як запустити і запустити на великих платформах

Windows

  • Завантажити .NET Runtime і запустити додаток.
  • Перевірте програму, запускаючи її через командну лінію.

Linux

  • Завантажити .NET Runtime.
  • Використовуйте термінові команди для виконання програми або хостингу на сервері.

МАКОС

  • Виконайте програму за допомогою Kestrel або розмістіть її в облачному сервісі.

Загальні питання та рішення

  • Зображення, які не були вилучені:- Переконайтеся, що документ містить вбудовані зображення, а не зовнішньо пов’язані з ними.

  • Недостатня кількість даних:- Переконайтеся, що документ має метаданні властивості, такі як набір заголовку або автора.

  • Використання файлів для обробки файлів:- Використовуйте пам’ятно-ефективний підхід, наприклад, обробка конкретних розділів документа.

За допомогою цього посібника ви можете програматично витягти цінний контент з Word-документів за допомогою Aspose.Words для .NET.

 Українська