Vyhledejte a získejte textovou stránku v souboru PDF
Tento tutoriál vysvětluje, jak používat Aspose.PDF pro .NET k vyhledávání a získávání textu z konkrétní stránky v souboru PDF. Poskytnutý zdrojový kód C# demonstruje proces krok za krokem.
Předpoklady
Než budete pokračovat ve výukovém programu, ujistěte se, že máte následující:
- Základní znalost programovacího jazyka C#.
- Nainstalovaná knihovna Aspose.PDF pro .NET. Můžete jej získat z webu Aspose nebo jej pomocí NuGet nainstalovat do svého projektu.
Krok 1: Nastavte projekt
Začněte vytvořením nového projektu C# ve vašem preferovaném integrovaném vývojovém prostředí (IDE) a přidejte odkaz na knihovnu Aspose.PDF for .NET.
Krok 2: Importujte potřebné jmenné prostory
Chcete-li importovat požadované jmenné prostory, přidejte následující pomocí direktiv na začátek souboru C#:
using Aspose.Pdf;
using Aspose.Pdf.Text;
Krok 3: Načtěte dokument PDF
Nastavte cestu k adresáři vašeho dokumentu PDF a načtěte dokument pomocíDocument
třída:
string dataDir = "YOUR DOCUMENT DIRECTORY";
Document pdfDocument = new Document(dataDir + "SearchAndGetTextPage.pdf");
Nezapomeňte vyměnit"YOUR DOCUMENT DIRECTORY"
se skutečnou cestou k vašemu adresáři dokumentů.
Krok 4: Vyhledejte a extrahujte text ze stránky
VytvořitTextFragmentAbsorber
objekt k nalezení všech výskytů vstupní vyhledávací fráze na konkrétní stránce:
TextFragmentAbsorber textFragmentAbsorber = new TextFragmentAbsorber("Figure");
Nahradit"Figure"
se skutečným textem, který chcete vyhledat.
Krok 5: Hledejte na konkrétní stránce
Přijměte absorbér pro konkrétní stránku dokumentu:
pdfDocument.Pages.Accept(textFragmentAbsorber);
Krok 6: Získejte extrahované fragmenty textu
Získejte extrahované fragmenty textu pomocíTextFragments
vlastnictvímTextFragmentAbsorber
objekt:
TextFragmentCollection textFragmentCollection = textFragmentAbsorber.TextFragments;
Krok 7: Procházejte fragmenty textu a segmenty
Procházejte získané textové fragmenty a jejich segmenty a získejte přístup k jejich vlastnostem:
foreach (TextFragment textFragment in textFragmentCollection)
{
foreach (TextSegment textSegment in textFragment.Segments)
{
Console.WriteLine("Text: {0} ", textSegment.Text);
Console.WriteLine("Position: {0} ", textSegment.Position);
Console.WriteLine("XIndent: {0} ", textSegment.Position.XIndent);
Console.WriteLine("YIndent: {0} ", textSegment.Position.YIndent);
Console.WriteLine("Font - Name: {0}", textSegment.TextState.Font.FontName);
Console.WriteLine("Font - IsAccessible: {0} ", textSegment.TextState.Font.IsAccessible);
Console.WriteLine("Font - IsEmbedded: {0} ", textSegment.TextState.Font.IsEmbedded);
Console.WriteLine("Font - IsSubset: {0} ", textSegment.TextState.Font.IsSubset);
Console.WriteLine("Font Size: {0} ", textSegment.TextState.FontSize);
Console.WriteLine("Foreground Color: {0} ", textSegment.TextState.ForegroundColor);
}
}
Kód ve smyčce můžete upravit a provést další akce s každým textovým segmentem.
Ukázka zdrojového kódu pro stránku Hledat a získat text pomocí Aspose.PDF pro .NET
// Cesta k adresáři dokumentů.
string dataDir = "YOUR DOCUMENT DIRECTORY";
// Otevřete dokument
Document pdfDocument = new Document(dataDir + "SearchAndGetTextPage.pdf");
// Vytvořte objekt TextAbsorber, abyste našli všechny výskyty vstupní hledané fráze
TextFragmentAbsorber textFragmentAbsorber = new TextFragmentAbsorber("Figure");
// Přijměte absorbér pro všechny stránky
pdfDocument.Pages.Accept(textFragmentAbsorber);
// Získejte extrahované fragmenty textu
TextFragmentCollection textFragmentCollection = textFragmentAbsorber.TextFragments;
// Projděte fragmenty
foreach (TextFragment textFragment in textFragmentCollection)
{
foreach (TextSegment textSegment in textFragment.Segments)
{
Console.WriteLine("Text : {0} ", textSegment.Text);
Console.WriteLine("Position : {0} ", textSegment.Position);
Console.WriteLine("XIndent : {0} ", textSegment.Position.XIndent);
Console.WriteLine("YIndent : {0} ", textSegment.Position.YIndent);
Console.WriteLine("Font - Name : {0}", textSegment.TextState.Font.FontName);
Console.WriteLine("Font - IsAccessible : {0} ", textSegment.TextState.Font.IsAccessible);
Console.WriteLine("Font - IsEmbedded : {0} ", textSegment.TextState.Font.IsEmbedded);
Console.WriteLine("Font - IsSubset : {0} ", textSegment.TextState.Font.IsSubset);
Console.WriteLine("Font Size : {0} ", textSegment.TextState.FontSize);
Console.WriteLine("Foreground Color : {0} ", textSegment.TextState.ForegroundColor);
}
}
Závěr
Gratulujeme! Úspěšně jste se naučili, jak vyhledávat a získávat text z konkrétní stránky dokumentu PDF pomocí Aspose.PDF for .NET. Tento výukový program poskytl průvodce krok za krokem, od načtení dokumentu až po přístup k extrahovaným textovým segmentům. Nyní můžete začlenit
FAQ
Otázka: Jaký je účel výukového programu „Vyhledat a získat textovou stránku“?
Odpověď: Výukový program “Vyhledat a získat textovou stránku” je navržen tak, aby ilustroval, jak používat knihovnu Aspose.PDF pro .NET k vyhledávání a načítání textu z konkrétní stránky v souboru PDF. Výukový program poskytuje podrobné pokyny a ukázkový kód C# k demonstraci procesu.
Otázka: Jak tento kurz pomáhá při extrahování textu z konkrétní stránky v dokumentu PDF?
Odpověď: Tento tutoriál vás provede procesem extrahování textu z konkrétní stránky dokumentu PDF pomocí knihovny Aspose.PDF. Nastiňuje nezbytné kroky a poskytuje kód C# pro vyhledání zadané textové fráze na vybrané stránce a načtení souvisejících textových segmentů.
Otázka: Jaké jsou předpoklady pro následování tohoto kurzu?
Odpověď: Než začnete s tímto tutoriálem, měli byste mít základní znalosti programovacího jazyka C#. Navíc musíte mít nainstalovanou knihovnu Aspose.PDF for .NET. Můžete jej získat z webu Aspose nebo jej pomocí NuGet integrovat do svého projektu.
Otázka: Jak nastavím svůj projekt, aby následoval tento tutoriál?
A: Chcete-li začít, vytvořte nový projekt C# ve vašem preferovaném integrovaném vývojovém prostředí (IDE) a přidejte odkaz na knihovnu Aspose.PDF for .NET. To vám umožní využít možnosti knihovny ve vašem projektu.
Otázka: Mohu hledat text na konkrétní stránce dokumentu PDF?
Odpověď: Ano, tento tutoriál ukazuje, jak hledat text na konkrétní stránce dokumentu PDF. Zahrnuje použitíTextFragmentAbsorber
třídy k vyhledání instancí konkrétní textové fráze na zvolené stránce.
Otázka: Jak získám přístup k extrahovaným textovým segmentům z konkrétní stránky?
Odpověď: Po vyhledání textu na určené stránce můžete získat přístup k extrahovaným textovým segmentům pomocíTextSegments
vlastnictvímTextFragment
objekt. Tato vlastnost poskytuje přístup ke sbírceTextSegment
objekty, které obsahují extrahovaný text a související informace.
Otázka: Jaké informace mohu získat z extrahovaných textových segmentů?
Odpověď: Z extrahovaných textových segmentů můžete získat různé podrobnosti, včetně obsahu textu, polohy (souřadnice X a Y), informací o písmu (název, velikost, barva atd.) a další. Ukázkový kód kurzu ukazuje, jak získat a vytisknout tyto podrobnosti pro každý textový segment.
Otázka: Mohu provádět vlastní akce s extrahovanými textovými segmenty?
A: Určitě. Jakmile budete mít segmenty extrahovaného textu, můžete upravit kód ve smyčce a provádět další akce na každém segmentu. To může zahrnovat uložení extrahovaného textu, analýzu vzorů textu nebo použití změn formátování.