Wyszukaj i uzyskaj stronę tekstową w pliku PDF

Wstęp

Czy kiedykolwiek zdarzyło Ci się potrzebować wyszukać określony tekst w dokumencie PDF i wyodrębnić go do dalszego wykorzystania? Może tworzysz aplikację, która przetwarza dokumenty i wymaga precyzyjnej ekstrakcji danych, a może po prostu potrzebujesz wydajnego analizowania plików PDF. Niezależnie od tego, jaki jest Twój przypadek, jesteś we właściwym miejscu! W tym samouczku zagłębimy się w to, jak wyszukiwać i pobierać tekst ze strony w pliku PDF przy użyciu Aspose.PDF dla .NET. Niezależnie od tego, czy jesteś początkującym, czy doświadczonym programistą, ten przewodnik przeprowadzi Cię przez każdy krok w konwersacyjny i angażujący sposób. Gotowy do działania? Zaczynajmy!

Wymagania wstępne

Zanim przejdziemy do kodowania, upewnijmy się, że masz wszystko, czego potrzebujesz:

  1. Aspose.PDF dla biblioteki .NET: Można ją pobrać ze stronyTutaj lub pobierz bezpłatną wersję próbną z tego samego linku. Aby dokonać zakupu, przejdź doSklep Aspose.
  2. .NET Framework: Będziesz potrzebować działającego środowiska programistycznego .NET, takiego jak Visual Studio.
  3. Plik PDF: Będziesz potrzebować przykładowego pliku PDF, w którym możemy wyszukać i wyodrębnić tekst. Na potrzeby tego samouczka załóżmy, że plik ma nazwęSearchAndGetTextPage.pdf.

Importuj pakiety

Po pierwsze, musimy zaimportować niezbędne przestrzenie nazw, aby pracować z Aspose.PDF dla .NET. Upewnij się, że są one uwzględnione na górze kodu.

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

Teraz, gdy omówiliśmy wymagania wstępne, rozłóżmy kod krok po kroku. Każdy krok został wyraźnie opisany, aby ułatwić śledzenie.

Krok 1: Ustaw ścieżkę do katalogu dokumentów

Przed interakcją z plikiem PDF musisz zdefiniować ścieżkę do miejsca, w którym przechowywany jest dokument PDF. Dzięki temu program będzie miał dostęp do pliku.

string dataDir = "YOUR DOCUMENT DIRECTORY";
  • dataDir: To jest ścieżka do folderu, w którym przechowywane są pliki PDF. Zastąp"YOUR DOCUMENT DIRECTORY" z rzeczywistą ścieżką, gdzie znajduje się plik PDF.

Krok 2: Załaduj dokument PDF

Następnym krokiem jest załadowanie dokumentu PDF do pamięci, aby móc z nim pracować. Oto jak to zrobić:

Document pdfDocument = new Document(dataDir + "SearchAndGetTextPage.pdf");
  • Dokument: To jest klasa Aspose.PDF, która ładuje plik PDF.
  • pdfDocument: Zmienna, w której przechowywany jest plik PDF po załadowaniu.

Krok 3: Utwórz obiekt pochłaniacza tekstu

TenTextFragmentAbsorberKlasa pozwala na wyszukiwanie określonego tekstu w pliku PDF. Utwórzmy wystąpienie tej klasy, aby znaleźć wszystkie wystąpienia danej frazy wyszukiwania.

TextFragmentAbsorber textFragmentAbsorber = new TextFragmentAbsorber("Figure");
  • TextFragmentAbsorber: Ta klasa odpowiada za wyszukiwanie i wyodrębnianie tekstu z pliku PDF.
  • „Rysunek”: Zastąp go dowolnym tekstem, którego chcesz poszukać w pliku PDF.

Krok 4: Zastosuj Absorber Tekstu do całego pliku PDF

Po skonfigurowaniu modułu pochłaniania tekstu należy polecić programowi przeszukanie wszystkich stron dokumentu PDF.

pdfDocument.Pages.Accept(textFragmentAbsorber);
  • Accept(): Ta metoda stosuje pochłaniacz tekstu do pliku PDF, skanując każdą stronę w poszukiwaniu określonego tekstu.

Krok 5: Pobierz i przejrzyj wyodrębniony tekst

Teraz, gdy zeskanowaliśmy plik PDF, czas pobrać wyniki i wyświetlić je. Przejdziemy przez wyodrębnione fragmenty tekstu.

TextFragmentCollection textFragmentCollection = textFragmentAbsorber.TextFragments;
  • TextFragmentCollection: Ta kolekcja zawiera wszystkie wystąpienia fragmentów tekstu znalezionych przez moduł pochłaniający tekst.

Krok 6: Przejdź przez każdy fragment i wyodrębnij dane

Teraz przejdziemy przez pętlętextFragmentCollection i wyodrębnić różne właściwości każdego segmentu tekstu, takie jak jego położenie, szczegóły czcionki i kolor.

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);
	}
}
  • Fragment tekstu: Każdy fragment zawiera fragmenty znalezionego tekstu.
  • Segment tekstu: Każdy fragment może mieć wiele segmentów, reprezentujących różne części tekstu.
  • TextState: zawiera szczegółowe informacje na temat czcionki, rozmiaru i koloru tekstu.

W tej pętli drukujemy szczegóły, takie jak sam tekst, jego położenie (współrzędne X i Y), czcionkę, informację, czy czcionka jest osadzona w pliku PDF, a także kolor pierwszego planu tekstu.

Wniosek

I masz to! Udało Ci się wyszukać i wyodrębnić tekst z pliku PDF za pomocą Aspose.PDF dla .NET. Niesamowite, jak dużą elastyczność oferuje ta biblioteka. Niezależnie od tego, czy musisz wyszukać konkretny tekst w dużym dokumencie, wyodrębnić go lub przeanalizować jego właściwości, Aspose.PDF sprawia, że jest to bułka z masłem. Ponadto dzięki omówionemu przez nas kodowi jesteś dobrze wyposażony, aby dostosować go do swoich potrzeb.

Najczęściej zadawane pytania

Czy mogę wyszukiwać wiele fraz jednocześnie?

Tak, możesz zmodyfikować kod, aby wyszukiwać wiele fraz, tworząc wieleTextFragmentAbsorber obiekty.

Jak mogę wyodrębnić tekst z konkretnej strony?

Możesz wybrać konkretną stronę, stosującTextFragmentAbsorber do pojedynczej strony zamiast całego dokumentu. Na przykład:pdfDocument.Pages[1].Accept(textFragmentAbsorber);.

Czy Aspose.PDF dla .NET jest darmowy?

Aspose.PDF jest produktem komercyjnym, ale można go używać zbezpłatny okres próbny.

Czy mogę wyodrębnić obrazy z pliku PDF za pomocą Aspose.PDF?

Tak, Aspose.PDF pozwala na wyodrębnianie obrazów oprócz tekstu. Sprawdźdokumentacja po więcej szczegółów.

A co jeśli będę potrzebować dodatkowej pomocy lub wsparcia?

Zawsze możesz uzyskać pomoc odForum wsparcia Aspose.

Wyszukaj i uzyskaj cały tekst Wyszukaj wyrażenie regularne w pliku PDF