Wyszukaj i uzyskaj stronę tekstową w pliku PDF

W tym samouczku wyjaśniono, jak używać Aspose.PDF dla .NET do wyszukiwania i pobierania tekstu z określonej strony w pliku PDF. Dostarczony kod źródłowy języka C# demonstruje proces krok po kroku.

Warunki wstępne

Przed kontynuowaniem samouczka upewnij się, że posiadasz następujące elementy:

  • Podstawowa znajomość języka programowania C#.
  • Zainstalowana biblioteka Aspose.PDF dla .NET. Możesz go uzyskać ze strony internetowej Aspose lub użyć NuGet, aby zainstalować go w swoim projekcie.

Krok 1: Skonfiguruj projekt

Zacznij od utworzenia nowego projektu C# w preferowanym zintegrowanym środowisku programistycznym (IDE) i dodaj odwołanie do biblioteki Aspose.PDF dla .NET.

Krok 2: Zaimportuj niezbędne przestrzenie nazw

Dodaj następujące dyrektywy using na początku pliku C#, aby zaimportować wymagane przestrzenie nazw:

using Aspose.Pdf;
using Aspose.Pdf.Text;

Krok 3: Załaduj dokument PDF

Ustaw ścieżkę do katalogu dokumentów PDF i załaduj dokument za pomocąDocument klasa:

string dataDir = "YOUR DOCUMENT DIRECTORY";
Document pdfDocument = new Document(dataDir + "SearchAndGetTextPage.pdf");

Pamiętaj o wymianie"YOUR DOCUMENT DIRECTORY" z rzeczywistą ścieżką do katalogu dokumentów.

Krok 4: Wyszukaj i wyodrębnij tekst ze strony

StwórzTextFragmentAbsorberobiekt, aby znaleźć wszystkie wystąpienia wprowadzonego wyszukiwanego wyrażenia na określonej stronie:

TextFragmentAbsorber textFragmentAbsorber = new TextFragmentAbsorber("Figure");

Zastępować"Figure" z rzeczywistym tekstem, który chcesz wyszukać.

Krok 5: Wyszukaj na określonej stronie

Zaakceptuj absorber dla konkretnej strony dokumentu:

pdfDocument.Pages.Accept(textFragmentAbsorber);

Krok 6: pobierz wyodrębnione fragmenty tekstu

Pobierz wyodrębnione fragmenty tekstu za pomocą metodyTextFragments własnośćTextFragmentAbsorber obiekt:

TextFragmentCollection textFragmentCollection = textFragmentAbsorber.TextFragments;

Krok 7: Przejrzyj fragmenty i segmenty tekstu w pętli

Przejrzyj otrzymane fragmenty tekstu i ich segmenty oraz uzyskaj dostęp do ich właściwości:

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);
	}
}

Możesz zmodyfikować kod w pętli, aby wykonać dalsze działania na każdym segmencie tekstu.

Przykładowy kod źródłowy strony Wyszukaj i pobierz tekst przy użyciu Aspose.PDF dla .NET

// Ścieżka do katalogu dokumentów.
string dataDir = "YOUR DOCUMENT DIRECTORY";
// Otwórz dokument
Document pdfDocument = new Document(dataDir + "SearchAndGetTextPage.pdf");
// Utwórz obiekt TextAbsorber, aby znaleźć wszystkie wystąpienia wprowadzonej frazy wyszukiwania
TextFragmentAbsorber textFragmentAbsorber = new TextFragmentAbsorber("Figure");
// Zaakceptuj pochłaniacz dla wszystkich stron
pdfDocument.Pages.Accept(textFragmentAbsorber);
// Pobierz wyodrębnione fragmenty tekstu
TextFragmentCollection textFragmentCollection = textFragmentAbsorber.TextFragments;
// Przejrzyj 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);
	}
}

Wniosek

Gratulacje! Pomyślnie nauczyłeś się wyszukiwać i pobierać tekst z określonej strony dokumentu PDF przy użyciu Aspose.PDF dla .NET. Ten samouczek zawiera przewodnik krok po kroku, od załadowania dokumentu do uzyskania dostępu do wyodrębnionych segmentów tekstu. Możesz teraz włączyć

Często zadawane pytania

P: Jaki jest cel samouczka „Wyszukaj i uzyskaj stronę tekstową”?

Odp.: Samouczek „Wyszukaj i uzyskaj stronę tekstową” ma na celu zilustrowanie sposobu korzystania z biblioteki Aspose.PDF dla platformy .NET w celu wyszukiwania i pobierania tekstu z określonej strony w pliku PDF. Samouczek zawiera szczegółowe instrukcje i przykładowy kod C# demonstrujący proces.

P: W jaki sposób ten samouczek pomaga w wyodrębnianiu tekstu z określonej strony w dokumencie PDF?

Odp.: Ten samouczek poprowadzi Cię przez proces wyodrębniania tekstu z określonej strony dokumentu PDF przy użyciu biblioteki Aspose.PDF. Opisuje niezbędne kroki i udostępnia kod C# umożliwiający wyszukiwanie określonej frazy tekstowej na wybranej stronie i pobieranie powiązanych segmentów tekstu.

P: Jakie są wymagania wstępne dotyczące korzystania z tego samouczka?

Odp.: Przed rozpoczęciem tego samouczka należy posiadać podstawową wiedzę na temat języka programowania C#. Dodatkowo musisz mieć zainstalowaną bibliotekę Aspose.PDF dla .NET. Możesz go uzyskać ze strony internetowej Aspose lub użyć NuGet, aby zintegrować go ze swoim projektem.

P: Jak skonfigurować projekt tak, aby działał zgodnie z tym samouczkiem?

O: Aby rozpocząć, utwórz nowy projekt C# w preferowanym zintegrowanym środowisku programistycznym (IDE) i dodaj odwołanie do biblioteki Aspose.PDF dla .NET. Dzięki temu będziesz mógł wykorzystać możliwości biblioteki w swoim projekcie.

P: Czy mogę wyszukiwać tekst na określonej stronie dokumentu PDF?

Odp.: Tak, ten samouczek pokazuje, jak wyszukiwać tekst na określonej stronie dokumentu PDF. Polega na korzystaniu zTextFragmentAbsorber class, aby zlokalizować wystąpienia określonej frazy tekstowej na wybranej stronie.

P: Jak uzyskać dostęp do wyodrębnionych segmentów tekstu z określonej strony?

Odp.: Po wyszukaniu tekstu na wyznaczonej stronie możesz uzyskać dostęp do wyodrębnionych segmentów tekstu za pomocąTextSegments własnośćTextFragment obiekt. Ta właściwość zapewnia dostęp do kolekcjiTextSegment obiekty zawierające wyodrębniony tekst i powiązane informacje.

P: Jakie informacje mogę uzyskać z wyodrębnionych segmentów tekstu?

O: Z wyodrębnionych segmentów tekstu można uzyskać różne szczegóły, w tym treść tekstu, położenie (współrzędne X i Y), informacje o czcionce (nazwa, rozmiar, kolor itp.) i inne. Przykładowy kod samouczka pokazuje, jak uzyskać dostęp do tych szczegółów i wydrukować je dla każdego segmentu tekstu.

P: Czy mogę wykonywać niestandardowe działania na wyodrębnionych segmentach tekstu?

O: Oczywiście. Po wyodrębnieniu segmentów tekstu możesz dostosować kod w pętli, aby wykonać dodatkowe akcje na każdym segmencie. Może to obejmować zapisanie wyodrębnionego tekstu, analizę wzorców tekstu lub zastosowanie zmian formatowania.

Wyszukaj i uzyskaj cały tekst Wyszukaj wyrażenie regularne w pliku PDF