Wyszukaj wyrażenie regularne w pliku PDF

Wstęp

Pracując z dużymi dokumentami PDF, możesz znaleźć się w sytuacji, w której będziesz szukać określonych wzorców lub formatów, takich jak daty, numery telefonów lub inne ustrukturyzowane dane. Ręczne przeglądanie pliku PDF może być żmudne, prawda? W tym miejscu przydaje się użycie wyrażenia regularnego (regex). W tym samouczku pokażemy, jak wyszukiwać wzorzec wyrażenia regularnego w pliku PDF przy użyciu Aspose.PDF dla .NET. Ten przewodnik przeprowadzi Cię przez każdy krok, dzięki czemu będziesz mógł łatwo zaimplementować go w swojej aplikacji .NET.

Wymagania wstępne

Zanim przejdziemy do szczegółowej instrukcji, omówmy, co jest potrzebne:

  • Aspose.PDF dla .NET: Musisz mieć zainstalowaną tę bibliotekę. Jeśli jeszcze jej nie zainstalowałeś, możeszpobierz tutaj.
  • IDE: Visual Studio lub inne środowisko IDE zgodne z C#.
  • .NET Framework: Upewnij się, że Twój projekt jest skonfigurowany z wykorzystaniem odpowiedniej wersji .NET Framework.
  • Podstawowa znajomość języka C#: Chociaż niniejszy przewodnik jest szczegółowy, podstawowa znajomość języka C# będzie pomocna.

Importuj pakiety

Na początek musisz zaimportować niezbędne przestrzenie nazw z Aspose.PDF dla .NET do swojego projektu. Te pakiety są niezbędne do pracy z plikami PDF i wykonywania operacji wyszukiwania za pomocą wyrażeń regularnych.

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

Podzielmy proces wyszukiwania wyrażeń regularnych w pliku PDF za pomocą Aspose.PDF na kilka kroków.

Krok 1: Skonfiguruj katalog dokumentów

Każda operacja PDF zaczyna się od określenia, gdzie znajduje się Twój dokument. Musisz zdefiniować ścieżkę do pliku PDF, który jest przechowywany wdataDir zmienny.

Krok 1.1: Zdefiniuj ścieżkę dokumentu

// Zdefiniuj ścieżkę do swojego dokumentu PDF
string dataDir = "YOUR DOCUMENT DIRECTORY";

Zastępować"YOUR DOCUMENT DIRECTORY" z rzeczywistą ścieżką do pliku PDF. Ten krok jest kluczowy, ponieważ wskazuje kodowi plik, z którym chcesz pracować.

Krok 1.2: Otwórz dokument PDF

Następnie należy otworzyć dokument PDF za pomocąDocument klasa z Aspose.PDF.

// Otwórz dokument
Document pdfDocument = new Document(dataDir + "SearchRegularExpressionAll.pdf");

Tutaj,"SearchRegularExpressionAll.pdf" to przykładowy plik PDF, w którym przeprowadzimy wyszukiwanie za pomocą wyrażeń regularnych.

Krok 2: Skonfiguruj TextFragmentAbsorber

To tutaj dzieje się magia!TextFragmentAbsorber Klasa ta pomaga w wychwytywaniu fragmentów tekstu, które pasują do określonego wzorca lub wyrażenia regularnego.

Skonfigurujmy absorber tak, aby znajdował wzorce za pomocą wyrażenia regularnego. W tym przypadku szukamy wzorca lat, takiego jak „1999-2000”.

// Utwórz obiekt TextAbsorber, aby znaleźć wszystkie frazy pasujące do wyrażenia regularnego
TextFragmentAbsorber textFragmentAbsorber = new TextFragmentAbsorber("\\d{4}-\\d{4}"); // Tak jak 1999-2000

Wyrażenie regularne\\d{4}-\\d{4} szuka wzoru składającego się z czterech cyfr, po których następuje myślnik i kolejne cztery cyfry, co jest typowe dla zakresów lat.

Krok 3: Włącz wyszukiwanie wyrażeń regularnych

Aby mieć pewność, że operacja wyszukiwania zinterpretuje wzorzec jako wyrażenie regularne, należy skonfigurować opcje wyszukiwania za pomocąTextSearchOptions klasa.

// Ustaw opcję wyszukiwania tekstu, aby określić użycie wyrażenia regularnego
TextSearchOptions textSearchOptions = new TextSearchOptions(true);
textFragmentAbsorber.TextSearchOptions = textSearchOptions;

UstawianieTextSearchOptions Dotrue zapewnia, że absorber korzysta z wyszukiwania opartego na wyrażeniach regularnych, a nie na zwykłym tekście.

Krok 4: Zaakceptuj Absorber Tekstu

Na tym etapie stosujesz absorber tekstu do dokumentu PDF, aby mógł on wykonać operację wyszukiwania. Wykonuje się to poprzez wywołanieAccept metoda naPages obiekt dokumentu PDF.

// Zaakceptuj absorber dla wszystkich stron
pdfDocument.Pages.Accept(textFragmentAbsorber);

Polecenie to przetwarza wszystkie strony dokumentu PDF, wyszukując tekst odpowiadający wyrażeniu regularnemu.

Krok 5: Wyodrębnij i wyświetl wyniki

Po zakończeniu wyszukiwania należy wyodrębnić wyniki.TextFragmentAbsorber przechowuje te wyniki wTextFragmentCollectionMożesz przeglądać tę kolekcję w pętli, aby uzyskać dostęp do każdego pasującego fragmentu tekstu i wyświetlić go.

Krok 5.1: Pobierz wyodrębnione fragmenty tekstu

// Pobierz wyodrębnione fragmenty tekstu
TextFragmentCollection textFragmentCollection = textFragmentAbsorber.TextFragments;

Teraz, gdy zebrałeś już fragmenty, czas przejrzeć je i wyświetlić istotne szczegóły, takie jak tekst, położenie, szczegóły czcionki i inne.

Krok 5.2: Przejrzyj fragmenty

// Przejrzyj fragmenty
foreach (TextFragment textFragment in textFragmentCollection)
{
    Console.WriteLine("Text : {0} ", textFragment.Text);
    Console.WriteLine("Position : {0} ", textFragment.Position);
    Console.WriteLine("XIndent : {0} ", textFragment.Position.XIndent);
    Console.WriteLine("YIndent : {0} ", textFragment.Position.YIndent);
    Console.WriteLine("Font - Name : {0}", textFragment.TextState.Font.FontName);
    Console.WriteLine("Font - IsAccessible : {0} ", textFragment.TextState.Font.IsAccessible);
    Console.WriteLine("Font - IsEmbedded : {0} ", textFragment.TextState.Font.IsEmbedded);
    Console.WriteLine("Font - IsSubset : {0} ", textFragment.TextState.Font.IsSubset);
    Console.WriteLine("Font Size : {0} ", textFragment.TextState.FontSize);
    Console.WriteLine("Foreground Color : {0} ", textFragment.TextState.ForegroundColor);
}

Dla każdegoTextFragment, szczegóły takie jak rozmiar czcionki, nazwa czcionki i pozycja są drukowane. To nie tylko pomaga w znalezieniu tekstu, ale także podaje jego dokładne formatowanie i lokalizację.

Wniosek

Oto masz! Wyszukiwanie wzorców w pliku PDF za pomocą wyrażeń regularnych jest niezwykle potężne, szczególnie w przypadku tekstu strukturalnego, takiego jak daty, numery telefonów i podobne wzorce. Aspose.PDF dla .NET zapewnia bezproblemowy sposób wykonywania takich operacji z łatwością. Teraz możesz wykorzystać moc wyrażeń regularnych, aby zautomatyzować wyszukiwanie tekstu PDF, zwiększając wydajność swojego przepływu pracy.

Najczęściej zadawane pytania

Czy mogę wyszukiwać wiele wzorów w jednym pliku PDF?

Tak, możesz uruchomić wieleTextFragmentAbsorber obiektów, każdy z innymi wzorcami wyrażeń regularnych, w tym samym pliku PDF.

Czy Aspose.PDF obsługuje wyszukiwanie wzorców bez względu na wielkość liter?

Oczywiście! Możesz skonfigurowaćTextSearchOptions aby wyszukiwanie nie uwzględniało wielkości liter.

Czy istnieje ograniczenie rozmiaru pliku PDF, w którym mogę przeszukiwać?

Nie ma ścisłego limitu, ale wydajność może się różnić w zależności od rozmiaru pliku PDF i złożoności wzorca wyrażenia regularnego.

Czy mogę zaznaczyć znaleziony tekst w pliku PDF?

Tak, Aspose.PDF pozwala na podświetlanie lub nawet zastępowanie tekstu po jego znalezieniu za pomocą absorbera.

Jak poradzić sobie z błędami, jeśli wzorzec nie zostanie znaleziony?

Jeśli nie znaleziono żadnych pasujących wyników,TextFragmentCollection będzie pusty. Możesz poradzić sobie z tym scenariuszem za pomocą prostego sprawdzenia przed pętleniem wyników.

Wyszukaj i uzyskaj stronę tekstową w pliku PDF Wyszukaj tekst i dodaj hiperłącze