일반적으로 문서 처리 애플리케이션에서 가장 중요한 작업은 데이터 추출 또는 텍스트 분석이며, Word 문서 파일에서 텍스트 추출입니다. C# 애플리케이션을 개발할 때 개발자들은 .docx 형식의 파일을 다루고 문서 인스턴스 안의 텍스트에 접근하는 데 도움이 되는 IronWord와 같은 라이브러리를 사용합니다. 이러한 라이브러리를 사용하면 Word 문서에서 콘텐츠를 자동으로 가져와 보고서 제작, 데이터 마이닝 또는 심지어 문서 관리 시스템 생성이 가능해집니다.

IronWord와 같은 라이브러리를 사용하면 Word 문서 인스턴스에서 텍스트를 추출할 수 있습니다; 문서 객체를 로드하고, 단락 또는 섹션을 열고, 원하는 텍스트를 원래의 레이아웃을 유지하면서 검색하면 됩니다. 이러한 기능은 법률, 의료 및 금융 분야에서 문서 처리가 워크플로우의 필수적인 부분이 되는 곳에 유용하게 사용될 것입니다. C#는 Word 파일에서 텍스트를 추출하는 매우 확장 가능하고 효율적인 애플리케이션을 개발하는 데 확실히 사용됩니다. 개발자들은 이를 더 광범위한 시스템이나 애플리케이션과 결합할 수 있습니다.

How to Extract Text from Word in C#

1. C# 프로젝트에서 NuGet을 통해 IronWord 라이브러리를 설치합니다.
2. C# 파일의 상단에 using IronWord;를 추가하여 Word에서 텍스트를 추출합니다.
3. 라이선스 키를 설정합니다.
4. 기존 Word 문서를 로드합니다.
5. Paragraphs 속성을 사용하여 단락에 접근합니다.
6. foreach 반복문을 사용하여 단락과 텍스트 요소를 순회합니다.
7. Console을 사용하여 텍스트를 추출하고 표시합니다.

IronWord란?

IronWord는 텍스트를 검색하는 강력한 도구로, PDF, Word 및 TXT 파일과 같은 모든 종류의 파일을 쉽게 가져옵니다. 필요한 텍스트로의 빠른 추출을 위해 정밀도와 속도로 설계되었으며, 나머지 문서의 원본 형식을 유지합니다. IronWord는 또한 문서 분석, 데이터 추출, 콘텐츠의 자동 인덱싱을 제공합니다.

이 도구는 거의 모든 사용 가능한 파일 유형을 지원하여 애플리케이션과의 원활한 통합을 보장하며, 따라서 비즈니스 자동화 및 대량 문서 처리에 이상적입니다. 이와 같이 설계된 라이브러리의 확장성은 대량의 문서를 쉽게 처리할 수 있게 하여 대량 데이터 추출을 처리하는 기업에 꽤 중요한 자산이 됩니다.

IronWord는 C# 및 다른 프로그래밍 언어와도 완벽히 호환되어, 개발자 및 조직이 문서 워크플로우를 매끄럽게 간소화할 수 있도록 합니다.

IronWord의 기능

다양한 문서 형식 지원

IronWord는 다음을 포함한 다양한 문서 형식의 파일을 수용합니다:

• PDF: 일반 텍스트가 포함된 PDF, 임베디드 폰트가 있는 PDF 및 벡터 기반 PDF의 텍스트를 해석할 수 있습니다.
• Microsoft Word 파일 (DOCX): 문서 구조와 서식을 유지하면서 Word 문서에서 텍스트를 쉽게 읽어냅니다.
• 텍스트 파일 (TXT): 또한 IronWord는 단순 텍스트 파일을 처리하여 단순 텍스트에서 텍스트를 추출하고 처리합니다.

정확한 텍스트 추출

IronWord 추출 엔진은 복잡한 페이지 레이아웃, 임베디드 폰트, 그림 및 표와 같은 다양한 내용을 가진 복잡한 문서 내부에 숨겨진 텍스트 콘텐츠도 능숙하게 추출합니다. 라이브러리는 다음을 보존합니다:

• 텍스트 서식: 텍스트에 적용된 굵게, 기울임꼴, 밑줄, 기타 스타일 요소.
• 문서 계층: 머리글, 단락 및 목록을 사용하여 조직 및 가독성을 유지합니다.

구조화된 데이터 및 비구조화된 데이터 처리

IronWord는 구조화된 데이터와 비구조화된 데이터를 모두 처리합니다. 다음을 추출할 수 있습니다:

• 구조화된 데이터: 양식 및 계약서와 같은 예측 가능한 서식 패턴이 있는 문서.
• 비구조화된 데이터: 보고서나 기사와 같은 예측 불가능한 텍스트 레이아웃을 가진 문서.

데이터 마이닝, 정보 검색 및 분류와 같은 작업에서 다양한 콘텐츠를 처리하는 능력으로 유용하다고 입증되었습니다.

대량 처리를 위한 확장성

IronWord는 대량의 문서를 효율적으로 처리하도록 설계되어 Enterprise 애플리케이션에 큰 확장성을 제공합니다. 예는 다음과 같습니다:

• 문서 배치 처리: 많은 문서를 한 번에 처리합니다.
• 대용량 파일 처리: 대용량 문서 크기에서도 성능 저하가 없습니다.

프로그래밍 언어와의 매끄러운 통합

IronWord는 사용하기 쉬운 API를 통해 Python을 비롯하여 여러 개발 환경에 매끄럽게 통합됩니다. 이를 통해 개발자는 다음을 수행할 수 있습니다:

• IronWord를 Python 응용 프로그램에 가져오기: Python 스크립트 내에서 IronWord 기능을 직접 사용합니다.
• 크로스-언어 상호 운용성: Python을 넘어, IronWord는 다른 언어에서도 효과적으로 활용될 수 있어 기술 스택의 상호 운용성을 촉진합니다.

이 통합의 용이성은 개발자들이 인프라보다는 기능에 집중할 수 있게 합니다.

높은 성능과 속도

IronWord는 성능을 최적화하여 대형 문서에서도 빠른 텍스트 추출을 제공하며, 이는 빠른 실행이 필요한 실시간 응용 프로그램에 필수적입니다. 라이브러리 제공 항목:

• 멀티스레딩 지원: 동시 추출 프로세스를 향상시킵니다.
• 작은 메모리 사용량: 처리 중 시스템 자원을 최적으로 사용하여 큰 데이터 세트를 쉽게 확장할 수 있습니다.

선택적 OCR 지원

이미지가 포함된 문서의 경우, IronWord는 OCR 기술과 함께 사용하여 다음을 수행할 수 있습니다:

• 스캔된 문서 처리: 이미지, 스캔된 PDF 또는 기타 이미지 기반 형식에서 텍스트를 추출합니다.
• 다국어 지원: 지원되는 OCR 언어에서 텍스트를 인식하고 추출합니다.

메타데이터 보존

텍스트 추출을 넘어서, IronWord는 문서의 메타데이터를 보존하며, 다음과 같은 데이터를 포함합니다:

• 문서 버전 관리 및 준수 정보: 준수 또는 보관 목적으로 유용합니다.
• 문서 관리 시스템: 콘텐츠만큼 메타데이터가 중요한 경우.

Visual Studio에서 새 프로젝트 생성하기

Visual Studio 응용 프로그램을 시작하려면 파일 메뉴에서 파일을 선택하고 '새 프로젝트'를 선택한 다음 '콘솔 앱'을 선택하세요.

.NET 프로젝트의 위치를 선택한 후 텍스트 필드에 이름을 입력하고 생성 버튼을 누른 다음 필요한 .NET Framework를 선택하세요.

Visual Studio 프로젝트 구조는 선택된 응용 프로그램에 따라 다양합니다. 응용 프로그램 코드를 구현하거나 실행하려면, 콘솔, 윈도우 또는 온라인 응용 프로그램에서 사용 가능한 Program.cs 파일로 이동하세요.

코드를 입력한 후 도서관을 테스트할 수 있습니다.

IronWord 라이브러리 설치

Visual Studio 도구 메뉴에서 NuGet 패키지 관리자를 선택하세요. 패키지 관리 콘솔에 접근하려면 패키지 관리자 인터페이스로 이동하세요.

Install-Package IronWord

다운로드 및 설치가 완료되면, 패키지는 진행 중인 프로젝트에서 텍스트 추출에 사용할 수 있습니다.

패키지 관리자 방법은 Visual Studio의 NuGet 패키지 관리자를 통해 솔루션에 직접 설치할 수 있는 또 다른 옵션을 제공합니다. 아래 그래픽은 패키지 관리자에 접근하는 방법을 보여줍니다.

NuGet 웹사이트의 검색 필드를 사용하여 패키지를 찾습니다. 아래 스크린샷에서 보여지는 대로 패키지 관리자에서 'IronWord'를 검색하세요.

동봉된 그래픽은 관련 검색 결과를 보여줍니다. 소프트웨어를 컴퓨터에 설치하려면 이러한 조정을 해주세요.

Word 문서에서 텍스트 추출

IronWord를 사용하여 문서에서 텍스트를 추출하려면 다음 단계를 따르세요. 아래 예제 코드는 C#의 IronWord 라이브러리를 사용하여 Word 문서(.docx)에서 텍스트를 추출하는 방법을 보여줍니다.

// Include necessary libraries
using IronWord;

// Set the license key for IronWord
IronWord.License.LicenseKey = "License key here";

// Load the Word document
var docx1 = new WordDocument("D:\\C# Projects\\ConsoleApp\\ConsoleApp\\File\\existing.docx");

// Access the collection of paragraphs in the document
var paragraphObj = docx1.Paragraphs;

// Loop through each paragraph and its text elements
for (int i = 0; i < paragraphObj.Count; i++)
{
    for (int j = 0; j < paragraphObj[i].Texts.Count; j++)
    {
        // Print each text element to the console
        Console.WriteLine(paragraphObj[i].Texts[j].Text.ToString());
    }
}

// Wait for user input before closing the console
Console.ReadKey();

// Include necessary libraries
using IronWord;

// Set the license key for IronWord
IronWord.License.LicenseKey = "License key here";

// Load the Word document
var docx1 = new WordDocument("D:\\C# Projects\\ConsoleApp\\ConsoleApp\\File\\existing.docx");

// Access the collection of paragraphs in the document
var paragraphObj = docx1.Paragraphs;

// Loop through each paragraph and its text elements
for (int i = 0; i < paragraphObj.Count; i++)
{
    for (int j = 0; j < paragraphObj[i].Texts.Count; j++)
    {
        // Print each text element to the console
        Console.WriteLine(paragraphObj[i].Texts[j].Text.ToString());
    }
}

// Wait for user input before closing the console
Console.ReadKey();

' Include necessary libraries
Imports IronWord

' Set the license key for IronWord
IronWord.License.LicenseKey = "License key here"

' Load the Word document
Dim docx1 = New WordDocument("D:\C# Projects\ConsoleApp\ConsoleApp\File\existing.docx")

' Access the collection of paragraphs in the document
Dim paragraphObj = docx1.Paragraphs

' Loop through each paragraph and its text elements
For i As Integer = 0 To paragraphObj.Count - 1
	Dim j As Integer = 0
	Do While j < paragraphObj(i).Texts.Count
		' Print each text element to the console
		Console.WriteLine(paragraphObj(i).Texts(j).Text.ToString())
		j += 1
	Loop
Next i

' Wait for user input before closing the console
Console.ReadKey()

' Include necessary libraries
Imports IronWord

' Set the license key for IronWord
IronWord.License.LicenseKey = "License key here"

' Load the Word document
Dim docx1 = New WordDocument("D:\C# Projects\ConsoleApp\ConsoleApp\File\existing.docx")

' Access the collection of paragraphs in the document
Dim paragraphObj = docx1.Paragraphs

' Loop through each paragraph and its text elements
For i As Integer = 0 To paragraphObj.Count - 1
	Dim j As Integer = 0
	Do While j < paragraphObj(i).Texts.Count
		' Print each text element to the console
		Console.WriteLine(paragraphObj(i).Texts(j).Text.ToString())
		j += 1
	Loop
Next i

' Wait for user input before closing the console
Console.ReadKey()

코드는 IronWord의 라이센스 키를 초기화하고 지정된 경로에서 .docx 문서를 로드하여 WordDocument 객체를 생성합니다. 문서가 로드되면 Paragraphs 속성을 통해 모든 단락에 접근합니다.

중첩 루프가 단락과 그 텍스트 요소를 반복합니다. 외부 루프는 각 단락을 순회하고, 내부 루프는 각 단락의 텍스트 요소를 처리합니다. 텍스트 요소는 문자열로 변환된 후 콘솔에 출력됩니다.

Console.ReadKey()는 프로그램 실행을 중단시켜, 사용자 입력이 발생하기 전까지 애플리케이션 창을 닫기 전에 출력 표시를 허용합니다. 이 접근 방식은 Word 문서의 내용을 질서 정연하게 추출하고 출력합니다.

결론

IronWord는 다양한 문서 형식의 텍스트 추출에 적합한 다목적이고 효율적인 도구로, 특히 Word 문서에 적합합니다. 사용자 친화적인 API와 구조화된 텍스트 추출 기능은 개발자가 자동화된 문서 콘텐츠 검색을 위해 신뢰할 수 있는 솔루션을 제공합니다. 이 도구는 복잡한 문서를 처리하면서 형식을 유지하여 법적 및 Enterprise 수준 콘텐츠 관리 및 기타 응용 프로그램에 유용합니다. IronWord를 구현하면 문서 분석, 데이터 추출 및 처리 작업을 향상시켜 대량의 텍스트를 처리할 때 생산성과 정확성을 높일 수 있습니다.

IronWord의 시작 가격은 $599입니다. 사용자는 연 1회 구독료를 선택하여 기술 지원 및 소프트웨어 업데이트에 대한 액세스를 얻을 수 있습니다. IronWord는 무료 배포를 방지하는 비용이 발생합니다. 라이선스 페이지에서 IronWord에 대한 특정 가격 세부정보를 참조하십시오. 제품 페이지에서 Iron Software의 다른 제품에 대해 알아보십시오.