Keressen és szerezzen szöveges oldalt PDF-fájlban

Bevezetés

Előfordult már, hogy konkrét szöveget kell keresnie egy PDF-dokumentumban, és ki kell bontania a további felhasználáshoz? Lehet, hogy olyan alkalmazást készít, amely dokumentumokat dolgoz fel, és pontos adatkinyerést igényel, vagy egyszerűen csak hatékonyan kell elemeznie a PDF-fájlokat. Bármi is legyen az eseted, jó helyen jársz! Ebben az oktatóanyagban azt mutatjuk be, hogyan lehet szöveget keresni és lekérni egy oldalról egy PDF-fájlban az Aspose.PDF for .NET használatával. Akár kezdő, akár tapasztalt fejlesztő vagy, ez az útmutató minden lépésen végigvezeti Önt társalgási és vonzó módon. Tekerésre készen állsz? Kezdjük is!

Előfeltételek

Mielőtt belevágnánk a kódolásba, győződjünk meg arról, hogy mindennel rendelkezik, amire szüksége van:

  1. Aspose.PDF for .NET Library: Letöltheti innenitt vagy szerezzen be egy ingyenes próbaverziót ugyanarról a linkről. A vásárláshoz menjen aAspose üzlet.
  2. .NET-keretrendszer: Szüksége lesz egy működő .NET-fejlesztői környezetre, például a Visual Studiora.
  3. PDF-fájl: Szüksége lesz egy minta PDF-fájlra, amelyben kereshetünk és kibonthatjuk a szöveget. Ebben az oktatóanyagban tegyük fel, hogy a fájl neve vanSearchAndGetTextPage.pdf.

Csomagok importálása

Először is importálnunk kell a szükséges névtereket az Aspose.PDF for .NET-hez való használatához. Győződjön meg arról, hogy ezek szerepelnek a kód tetején.

using System.IO;
using Aspose.Pdf;
using Aspose.Pdf.Text;
using System

Most, hogy lefedtük az előfeltételeket, bontsuk le a kódot lépésről lépésre. Minden egyes lépést világosan körvonalaztunk, hogy könnyen követhető legyen.

1. lépés: Állítsa be a dokumentumkönyvtár elérési útját

Mielőtt kapcsolatba lépne a PDF-fájllal, meg kell határoznia a PDF-dokumentum tárolási útvonalát. Ez biztosítja, hogy a program hozzáférjen a fájlhoz.

string dataDir = "YOUR DOCUMENT DIRECTORY";
  • dataDir: Ez annak a mappának az elérési útja, ahol a PDF-fájlokat tárolja. Cserélje ki"YOUR DOCUMENT DIRECTORY" a tényleges elérési úttal, ahol a PDF található.

2. lépés: Töltse be a PDF-dokumentumot

A következő lépés a PDF dokumentum betöltése a memóriába, hogy dolgozhasson vele. Íme, hogyan:

Document pdfDocument = new Document(dataDir + "SearchAndGetTextPage.pdf");
  • Dokumentum: Ez az Aspose.PDF osztály, amely betölti a PDF fájlt.
  • pdfDocument: Az a változó, ahol a PDF-fájl tárolásra kerül a betöltés után.

3. lépés: Hozzon létre egy szövegelnyelő objektumot

ATextFragmentAbsorberosztály lehetővé teszi, hogy adott szöveget keressen a PDF-ben. Hozzuk létre ennek az osztálynak egy példányát, hogy megtaláljuk az adott keresési kifejezés összes példányát.

TextFragmentAbsorber textFragmentAbsorber = new TextFragmentAbsorber("Figure");
  • TextFragmentAbsorber: Ez az osztály felelős a szöveg megtalálásáért és kinyeréséért a PDF-ből.
  • “Ábra”: Cserélje ki ezt a PDF-ben keresni kívánt szöveggel.

4. lépés: Alkalmazza a szövegelnyelőt a teljes PDF-re

Miután beállította a szövegelnyelőt, meg kell mondania a programnak, hogy keressen a PDF összes oldalán.

pdfDocument.Pages.Accept(textFragmentAbsorber);
  • Accept(): Ez a módszer a szövegelnyelőt alkalmazza a PDF-re, minden oldalt beolvasva a megadott szövegért.

5. lépés: Töltse le és ismételje meg a kivont szöveget

Most, hogy beszkenneltük a PDF-fájlt, ideje lekérni és megjeleníteni az eredményeket. Végignézzük a kivont szövegrészleteket.

TextFragmentCollection textFragmentCollection = textFragmentAbsorber.TextFragments;
  • TextFragmentCollection: Ez a gyűjtemény tartalmazza a szövegelnyelő által talált szövegrészletek összes példányát.

6. lépés: Végezzen hurkot az egyes töredékeken és vonja ki az adatokat

Most végignézzük atextFragmentCollection és kivonja az egyes szövegszegmensek különféle tulajdonságait, például a helyzetét, a betűtípus részleteit és a színét.

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);
	}
}
  • Szövegtöredék: Minden töredék a talált szöveg egy részét tartalmazza.
  • Szövegszegmens: Minden töredék több szegmensből állhat, amelyek a szöveg különböző részeit képviselik.
  • TextState: Ez részletes információkat nyújt a szöveg betűtípusáról, méretéről és színéről.

Ebben a ciklusban kinyomtatjuk a részleteket, például a tényleges szöveget, annak helyzetét (X és Y koordináták), a betűtípust, azt, hogy a betűtípus be van-e ágyazva a PDF-be, és a szöveg előtér színét.

Következtetés

És megvan! Az Aspose.PDF for .NET segítségével sikeresen megkeresett és kibontott szöveget egy PDF-fájlból. Hihetetlen, hogy mekkora rugalmasságot tud használni ezzel a könyvtárral. Akár konkrét szöveget kell keresnie egy nagy dokumentumban, akár ki kell bontania, vagy elemeznie kell tulajdonságait, az Aspose.PDF gyerekjáték. Ráadásul az általunk ismertetett kóddal jól felkészült arra, hogy az igényeihez igazítsa.

GYIK

Kereshetek több kifejezésre egyszerre?

Igen, több kifejezés létrehozásával módosíthatja a kódot, hogy több kifejezést keressenTextFragmentAbsorber tárgyakat.

Hogyan tudok szöveget kivonni egy adott oldalról?

Egy adott oldalt célozhat meg aTextFragmentAbsorber egyetlen oldalra a teljes dokumentum helyett. Például:pdfDocument.Pages[1].Accept(textFragmentAbsorber);.

Ingyenes az Aspose.PDF for .NET?

Az Aspose.PDF kereskedelmi termék, de használhatja aingyenes próbaverzió.

Kivonhatok képeket a PDF-ből az Aspose.PDF segítségével?

Igen, az Aspose.PDF lehetővé teszi a képek kinyerését a szöveg mellett. Ellenőrizze adokumentáció további részletekért.

Mi van, ha további segítségre vagy támogatásra van szükségem?

Mindig kaphat segítséget aAspose támogatási fórum.

Keressen és kapjon szöveget Reguláris kifejezés keresése PDF fájlban