HTML’den Metin Neden Çıkarılır?

HTML dosyaları işaretleme, stiller, betikler ve diğer meta verileri içerir. Temiz metin çıkarmak şudur için önemlidir:

  • İçerik taşınması
  • Data scraping
  • İndeksleme ve tam metin arama
  • AI/ML modelleri için eğitim verisi hazırlama
  • Belge analizi iş akışları
  • HTML tabanlı e-postaların işlenmesi

.NET bulut SDK’mız, bu tüm süreci basit ve güçlü bir API kullanarak otomatikleştirmenize yardımcı olur.

HTML Text Extraction API

The GroupDocs.Parser Cloud SDK for .NET, aşağıdakilerin çıkarılmasını sağlar:

  • Visible text from HTML
  • Yapılandırılmış içerik (başlıklar, paragraflar, listeler)
  • UTF‑8 encoded content
  • Text from HTML email bodies
  • Temiz metin, betikler, stiller ve işaretleme olmadan

API’nin yukarıda belirtilen yeteneklerine ek olarak, ayrıca şu gibi diğer özellikleri de sunar:

  • Tüm HTML etiketlerini kaldırır.
  • Extracts readable plain text
  • Büyük HTML dosyalarını destekler
  • Provides text block segmentation
  • Works with cloud storage

NuGet üzerinden kurun

dotnet add package GroupDocs.Parser-Cloud --version 25.7.0

Ayrıca, API’yi kullanabilmek için gerekli olan Client ID ve Client Secret’ı elde edebilmeniz için GroupDocs Cloud dashboard üzerinden bir hesap oluşturmanız gerekiyor.

Convert HTML to TXT using C#

İşte SDK kullanarak bir HTML dosyasından metin çıkarma işlemini gösteren tam bir örnek.

Adım 1 — API’yi Başlat:

var config = new Configuration("YOUR_CLIENT_ID", "YOUR_CLIENT_SECRET");
var parserApi = new ParserApi(config);
var fileApi = new FileApi(config);

Adım 2 — HTML Girişi Ayarla:

var fileInfo = new FileInfo { FilePath = "input.html" };
var options = new TextOptions { FileInfo = fileInfo };
var request = new TextRequest(options);

Adım 3 — Metni Çıkar:

var response = parserApi.Text(request);
Console.WriteLine(response.Text);

Adım 4 — Çıktıyı Kaydet:

File.WriteAllText("html-output.txt", response.Text);

ar configuration = new GroupDocs.Parser.Cloud.Sdk.Client.Configuration("XXXXX-XXXXXXX","XXXXXXXXXXX");
configuration.ApiBaseUrl = "https://api.groupdocs.cloud";
var parseApi = new ParseApi(configuration);
var fileApi = new FileApi(configuration);

// Yerel sürücüden girdi HTML dosyasını yükle
using (var fileStream = System.IO.File.OpenRead("sample.html"))
{
    // HTML'yi bulut depolamaya yükle.
    var uploadRequest = new Requests.UploadFileRequest("input.html", fileStream);
    fileApi.UploadFile(uploadRequest);
}

var options = new TextOptions
{
    FileInfo = new FileInfo { FilePath = "input.html" }
};

var request = new TextRequest(options);
// HTML'den metin çıkarın.
var response = parseApi.Text(request);

// print the extract content in console
Console.WriteLine("Extracted Text:\n");
Console.WriteLine(response.Text); 

// İsteğe bağlı olarak, içeriği bir metin dosyasına yazmayı düşünebilirsiniz.
File.WriteAllText("html-output.txt", response.Text);

HTML’den cURL ile Metin Çıkarma

Alternatif olarak, bir HTML dosyasından metin çıkarmak için komut satırı işlemlerini kullanmayı tercih ediyorsanız, o zaman GroupDocs.Parser Cloud ile cURL komutlarını da kullanabilirsiniz.

1. Erişim Token’ı Oluştur:

Bu yaklaşımda ön koşul, istemci kimlik bilgilerini kullanarak bir JWT erişim jetonu oluşturmaktır. Lütfen bir JWT jetonu oluşturmak için aşağıdaki komutu çalıştırın.

curl -v -X POST "https://api.groupdocs.cloud/connect/token" \
-d "grant_type=client_credentials&client_id=YOUR_CLIENT_ID&client_secret=YOUR_CLIENT_SECRET" \
-H "Content-Type: application/x-www-form-urlencoded"

2. HTML Metin Çıkar:

curl -v -X POST "https://api.groupdocs.cloud/v1.0/parser/text" \
-H  "accept: application/json" \
-H  "authorization: Bearer {JWT_TOKEN}" \
-H  "Content-Type: application/json" \
-d "{  \"FileInfo\": {    \"FilePath\": \"sample.html\",    \"StorageName\": \"internal\"  }}"

Ücretsiz Çevrimiçi HTML Metin Çıkarıcıyı Deneyin

.NET REST API’nin yeteneklerini tek bir satır kod yazmadan deneyimleyin. Ücretsiz çevrimiçi HTML Parser Uygulamamızı deneyin ve çevrimiçi olarak HTML metni çıkarın.

extract html text

Sonuç

Bu makalede, GroupDocs.Parser Cloud SDK for .NET kullanarak HTML’den metin çıkarma işlemini öğrendiniz. API şunu sağlar:

  • Clean text extraction
  • HTML işaretleme ve betiklerin kaldırılması
  • Segmentli yapısal çıkarım
  • C# uygulamalarıyla entegrasyon
  • Büyük HTML veri setleri için otomatik iş akışları

Bu, kurumsal düzeydeki uygulamalarda HTML’yi ayrıştırmak ve işlemek için ideal bir çözümdür.

İlgili Makaleler

Sık Sorulan Sorular (SSS)

  1. API tüm etiketleri otomatik olarak kaldırır mı? Evet, yalnızca okunabilir metin döndürülür.

  2. Çok büyük HTML sayfalarını ayrıştırabilir mi? Evet, hizmet büyük veriler için optimize edilmiştir.

  3. Metin bölümleri halinde çıkarabilir miyim? Evet, yapılandırılmış çıkarım blok seviyesinde öğeler döndürür.

  4. HTML e-postalarını destekliyor mu? Kesinlikle — gövde içeriğini doğrudan çıkarın.

  5. Ücretsiz deneme sürümü alıyor muyum? Evet, ayda 150 ücretsiz API çağrısı mevcuttur.