C#'da Word'den Metin Nasil Çıkarilir

Farklı Belge Formatlarını Destekleme

IronWord, şu anda belge formatlarında dosyaları kabul eder:

• PDF'ler: Normal metin ile PDF'lerde, gömülü yazı tipi bulunan PDF'lerde ve vektör tabanlı olanlarda metni yorumlayabilir.
• Microsoft Word Dosyaları (DOCX): Word belgelerinden metni kolayca okuyabilir ve belge yapısını ve biçimlendirmesini bozmadan korur.
• Metin Dosyaları (TXT): Ayrıca, IronWord düz metin dosyalarını işler, düz metinden metin çıkarır ve işler.

Doğru Metin Çıkarma

IronWord çıkarma motoru, karmaşık sayfa düzenlerine sahip belgelerde, gömülü yazı tipi veya resimlerle-karışık içeriklerde bile metin içeriğini çıkarmakta ustadır. Kütüphane, şunları korur:

• Metin Biçimlendirme: Metne uygulanan kalın, italik, altı çizili gibi stilistik özellikler.
• Belge Hiyerarşisi: Başlıklar, paragraflar ve listeler organizasyonu ve okunabilirliğini korumak için.

Yapılandırılmış ve Yapılandırılmamış Veriyi Yönetme

IronWord hem yapılandırılmış hem de yapılandırılmamış veriyi ele alır. Şu veriyi çıkarabilir:

• Yapılandırılmış Veri: Formlar ve sözleşmeler gibi tahmin edilebilir biçimlendirme desenleri olan belgeler.
• Yapılandırılmamış Veri: Raporlar veya makaleler gibi tahmin edilemez metin düzenleri olan belgeler.

Geniş bir içerik yelpazesini işleme yeteneği nedeniyle, veri madenciliği, bilgi alma ve sınıflandırma ile ilgili görevlerde faydalı olduğunu kanıtlamıştır.

Büyük Hacimlere Ölçeklenebilirlik

IronWord, büyük belge hacimlerini verimli bir şekilde işlemek üzere inşa edilmiştir ve işletme uygulamaları için harika bir ölçeklenebilirlik sunar. Örnekler şunları içerir:

• Belge Partileri: Bir kerede birçok belgeyi işleme.
• Büyük Dosyaları Yönetme: Büyük belge boyutu ile birlikte performansta herhangi bir azalma olmaması.

Programlama Dilleri ile Kesintisiz Entegrasyon

IronWord, özellikle Python ile, kolay kullanımlı API'ler aracılığıyla geliştirme ortamlarına sorunsuz bir şekilde entegre olur. Bu, geliştiricilerin:

• Python Uygulamalarına IronWord İthal Etme: IronWord fonksiyonlarını doğrudan Python betikleri içerisinde kullanın.
• Diller Arası İşlevsellik: Python'un ötesinde, IronWord diğer dillerde etkili bir şekilde kullanılabilir ve teknik yığınlar arası işlevselliği kolaylaştırır.

Bu entegrasyon kolaylığı, geliştiricilerin altyapıdan ziyade işlevselliğe odaklanmalarına olanak tanır.

Yüksek Performans ve Hız

IronWord, performans açısından optimize edilmiştir ve hızlı metin çıkarımı sağlar, büyük belgelerden bile, ki bu, hızlı yürütme gerektiren gerçek zamanlı uygulamalar için gereklidir. Kütüphane şunları sunar:

• Çok İş Parçacığı Desteği: Eşzamanlı çıkarım süreçlerini geliştirir.
• Küçük Bellek Kullanımı: İşleme sırasında optimal sistem kaynak kullanımı, büyük veri kümeleri için ölçeklenebilirliği sağlar.

Opsiyonel OCR Desteği

Görüntü içeren belgeler için, IronWord OCR teknolojileri ile birlikte kullanılabilir:

• Taranmış Belgeleri İşleme: Görüntülerden, taranmış PDF'lerden veya diğer görüntü tabanlı formatlardan metin çıkarma.
• Çok Dilli Destek: Desteklenen OCR dillerinde metni tanıma ve çıkarma.

Meta Veri Koruma

Metin çıkarımının ötesinde, IronWord belgelerden meta verileri korur, örneğin:

• Belge Sürümleme ve Uyumluluk Bilgileri: Uyumluluk veya arşivleme amaçları için faydalı.
• Belge Yönetim Sistemleri: Meta verinin, içeriğin kadar önemli olduğu yerlerde.

IronWord Kütüphanesini Yükleyin

Visual Studio Araçlar Menüsü'nden, NuGet Paket Yöneticisi'ni seçin. Paket yönetimi konsoluna erişmek için, Paket Yöneticisi arabirimine gidin.

Install-Package IronWord

İndirildikten ve kurulduktan sonra, paket devam eden bir proje için metin çıkarımı yapmak amacıyla kullanılabilir.

Paket Yöneticisi yöntemi, Visual Studio'nun NuGet Paket Yöneticisi aracılığıyla doğrudan çözüm içerisine kurulum yapılmasına olanak tanıyan başka bir seçenek sunar. Aşağıdaki grafik, Paket Yöneticisine nasıl erişileceğini göstermektedir.

Paketleri bulmak için NuGet web sitesindeki arama alanını kullanın. Aşağıdaki ekran görüntüsünde gösterildiği gibi paket yöneticisi ile 'IronWord' arayın.

Eşlik eden grafik, ilgili arama sonuçlarını görüntüler. Yazılımı bilgisayarınıza kurmak için bu ayarlamaları yapın.

Word Belgesinden Metin Çıkarma

IronWord kullanarak bir belgede metin çıkarmak için bu adımları izleyin. Aşağıdaki örnek kod, IronWord kütüphanesini kullanarak bir Word belgesinden (.docx) metin çıkarımını göstermektedir.

// 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()

Kod, IronWord için lisans anahtarını başlatır ve belirtilen bir yoldan bir .docx belgesi yükler, bir WordDocument nesnesi oluşturur. Belge yüklendikten sonra Paragraphs özelliği aracılığıyla tüm paragraflara erişir.

İç içe döngü, paragraflar ve onların metin elemanları üzerinde yinelenir. Dış döngü her paragrafı dolaşırken, iç döngü her paragrafın metin elemanlarını işler. Metin elemanları stringlere dönüştürüldükten sonra konsola yazdırılır.

Console.ReadKey(), kullanıcı girişi olmadan uygulama penceresini kapatmadan önce çıktının görüntülenmesini sağlayarak programın yürütülmesini askıya alır. Bu yaklaşım, Word belgesi içeriğini düzenli bir şekilde çıkartır ve yazdırır.