Extraire des images de documents à l'aide de C #

Dans le article précédent, nous avons expliqué comment extraire des images de documents en Java. Aujourd’hui, nous chercherons à atteindre le même objectif en utilisant C#. Pas de soucis si vous n’avez pas visité le dernier message. Dans cet article, nous allons apprendre à extraire par programme des images de documents PDF, Excel, PowerPoint et Word dans une application C# à l’aide de l’API .NET d’analyse de documents.

Les sujets suivants seront abordés ici :

• API .NET d’extraction d’images, de texte et de métadonnées
• Extraction d’images à partir de documents PDF
• Extraire des images de documents Word, Excel, PowerPoint
• Extraire l’image d’une page spécifique
• Formats pris en charge pour l’extraction d’images

API .NET d’extraction d’images, de texte et de métadonnées

GroupDocs.Parser for .NET est une API .NET d’analyse de documents et d’extraction de données. Il prend en charge l’analyse de documents et l’extraction d’images, de texte et de métadonnées à partir de documents de traitement de texte, de feuilles de calcul, de présentations, d’archives et documents par e-mail. À la fin de l’article, les formats de document sont mentionnés qui sont pris en charge par l’API pour l’extraction d’images.

Dans cet article, nous utiliserons cette API, je vous recommande donc de télécharger ses binaires ou d’installer l’API à partir de NuGet pour préparer l’environnement.

Extraire des images de documents PDF en C#

Vous pouvez facilement récupérer toutes les images de n’importe quel document PDF en suivant ces étapes simples.

1. Instanciez l’objet de classe Parser avec le document source.
2. Appelez la méthode GetImages de la classe Parser pour obtenir la collection de toutes les images dans les objets PageImageArea.
3. Itérer sur PageImageArea pour obtenir chaque image.
4. Enregistrez les images sur le disque en utilisant la méthode Save de PageImageArea.

Les images extraites peuvent être enregistrées aux formats BMP, GIF, JPEG, PNG et WebP. Le code complet est présenté ci-dessous pour illustrer l’ensemble des étapes.

// Extraire des images de Word, Excel, PPT, PDF en C# à l'aide de GroupDocs.Parser pour .NET
using (Parser parser = new Parser("path/document.pdf"))
{
    IEnumerable<PageImageArea> images = parser.GetImages();
    ImageOptions options = new ImageOptions(ImageFormat.Png);
    int imageNumber = 0;
    // Iterate over retrieved images
    foreach (PageImageArea image in images)
    {
        // Save Image and print page index, rectangle and image type:
        Console.WriteLine(string.Format("Page: {0}, R: {1}, Type: {2}", image.Page.Index, image.Rectangle, image.FileType));
        image.Save("imageFilePath/image-" + imageNumber.ToString() + ".png", options);
        imageNumber++;
    }
}

Extraire des images de fichiers Word, Excel, PowerPoint en C#

Non limité au seul format PDF, nous pouvons extraire toutes les images des documents de traitement de texte, des tableurs, des présentations, avec la base de code inchangée. Changez simplement le chemin du document source avec l’extension de fichier, votre document sera analysé pour extraire et enregistrer toutes les images sur le disque.

using (Parser parser = new Parser("path/document.docx")) // Word Document
// using (Parser parser = new Parser("path/document.xlsx")) // Excel Spreadhseet
// using (Parser parser = new Parser("path/document.pptx")) // Presentation
// using (Parser parser = new Parser("path/document.pdf")) // PDF Document

Extraction d’image à partir d’une page de document spécifique en C#

Si vous souhaitez extraire des images d’une page spécifique du document, cela peut être fait facilement en utilisant les étapes ci-dessous et le code C#.

• Obtenez les informations sur le document à l’aide de la méthode GetDocumentInfo.
• À partir des informations sur le document, retirez le total PageCount et d’autres informations.
• Utilisez la méthode GetImages(pageIndex) et transmettez-lui l’index de votre page cible.
• Pour enregistrer les images récupérées, parcourez la collection d’images et enregistrez l’image individuelle à l’aide de la méthode Enregistrer.

// Extraire des images d'une page spécifique de Word, Excel, PowerPoint, PDF en C # à l'aide de GroupDocs.Parser pour .NET
using (Parser parser = new Parser("path/document.pdf"))
{
    // Get the document info
    IDocumentInfo documentInfo = parser.GetDocumentInfo();
    ImageOptions options = new ImageOptions(ImageFormat.Png);
    int imageNumber = 0;

    // Iterate over pages
    for (int pageIndex = 0; pageIndex < documentInfo.PageCount; pageIndex++)
    {
        // Print a page number 
        Console.WriteLine(string.Format("Page {0}/{1}", pageIndex + 1, documentInfo.PageCount));
        // Iterate over images. Ignoring null-check in the example
        foreach (PageImageArea image in parser.GetImages(pageIndex))
        {
            // Print a rectangle and image type
            Console.WriteLine(string.Format("R: {0}, Text: {1}", image.Rectangle, image.FileType));
            image.Save("imageFilePath/image-" + imageNumber.ToString() + ".png", options);
            imageNumber++;
        }
    }
}

Formats pris en charge pour l’extraction d’images en C#

Voici les formats de document pris en charge par l’API GroupDocs.Parser pour .NET pour l’extraction d’images.

En savoir plus sur GroupDocs.Parser

• Documents
• Exemples de code source * Référence API
• Famille (API sur site| API Cloud | [Application en ligne gratuite][25]

Parlons un peu plus @ [Forum d’assistance gratuit][26]

Articles Liés

• [Extraire des images de documents à l’aide de Java][27]
• [Extraire des images de documents sur le cloud à l’aide de Python][28]

[25]: https://products.groupdocs.app/parser) [26]: https://forum.groupdocs.com/c/parser [27]: https://blog.groupdocs.com/2020/10/27/extract-images-from-pdf-word-excel-ppt-using-java/ [28]: https://blog.groupdocs.cloud/2020/10/25/extract-images-from-word-excel-ppt-pdf-using-python/