Pesquisar expressão regular em arquivo PDF

Este tutorial explica como usar Aspose.PDF for .NET para pesquisar e recuperar texto que corresponda a uma expressão regular em um arquivo PDF. O código-fonte C# fornecido demonstra o processo passo a passo.

Pré-requisitos

Antes de prosseguir com o tutorial, certifique-se de ter o seguinte:

Conhecimento básico da linguagem de programação C#.
Biblioteca Aspose.PDF para .NET instalada. Você pode obtê-lo no site Aspose ou usar o NuGet para instalá-lo em seu projeto.

Etapa 1: configurar o projeto

Comece criando um novo projeto C# em seu ambiente de desenvolvimento integrado (IDE) preferido e adicione uma referência à biblioteca Aspose.PDF para .NET.

Etapa 2: importe os namespaces necessários

Adicione as seguintes diretivas using no início do arquivo C# para importar os namespaces necessários:

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

Passo 3: Carregue o documento PDF

Defina o caminho para o diretório do seu documento PDF e carregue o documento usando oDocument aula:

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

Certifique-se de substituir"YOUR DOCUMENT DIRECTORY" com o caminho real para o diretório do seu documento.

Etapa 4: pesquise com expressão regular

Criar umaTextFragmentAbsorber objeto e defina o padrão de expressão regular para encontrar todas as frases que correspondem ao padrão:

TextFragmentAbsorber textFragmentAbsorber = new TextFragmentAbsorber("\\d{4}-\\d{4}"); // Como 1999-2000

Substituir"\\d{4}-\\d{4}" com o padrão de expressão regular desejado.

Etapa 5: definir opções de pesquisa de texto

Criar umaTextSearchOptions objeto e configure-o para oTextSearchOptions propriedade doTextFragmentAbsorber objeto para ativar o uso de expressões regulares:

TextSearchOptions textSearchOptions = new TextSearchOptions(true);
textFragmentAbsorber.TextSearchOptions = textSearchOptions;

Etapa 6: pesquise em todas as páginas

Aceite o absorvedor para todas as páginas do documento:

pdfDocument.Pages.Accept(textFragmentAbsorber);

Etapa 7: recuperar fragmentos de texto extraídos

Obtenha os fragmentos de texto extraídos usando oTextFragments propriedade doTextFragmentAbsorber objeto:

TextFragmentCollection textFragmentCollection = textFragmentAbsorber.TextFragments;

Etapa 8: percorrer os fragmentos de texto

Percorra os fragmentos de texto recuperados e acesse suas propriedades:

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);
}

Você pode modificar o código dentro do loop para executar ações adicionais em cada fragmento de texto.

Exemplo de código-fonte para expressão regular de pesquisa usando Aspose.PDF para .NET

// O caminho para o diretório de documentos.
string dataDir = "YOUR DOCUMENT DIRECTORY";
// Abrir documento
Document pdfDocument = new Document(dataDir + "SearchRegularExpressionAll.pdf");
// Crie o objeto TextAbsorber para encontrar todas as frases que correspondem à expressão regular
TextFragmentAbsorber textFragmentAbsorber = new TextFragmentAbsorber("\\d{4}-\\d{4}"); // Como 1999-2000
// Defina a opção de pesquisa de texto para especificar o uso de expressões regulares
TextSearchOptions textSearchOptions = new TextSearchOptions(true);
textFragmentAbsorber.TextSearchOptions = textSearchOptions;
// Aceite o absorvente para todas as páginas
pdfDocument.Pages.Accept(textFragmentAbsorber);
// Obtenha os fragmentos de texto extraídos
TextFragmentCollection textFragmentCollection = textFragmentAbsorber.TextFragments;
// Percorrer os fragmentos
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);
}

Conclusão

Parabéns! Você aprendeu com sucesso como pesquisar e recuperar texto que corresponda a uma expressão regular em um documento PDF usando Aspose.PDF for .NET. Este tutorial forneceu um guia passo a passo, desde o carregamento do documento até o acesso aos fragmentos de texto extraídos. Agora você pode incorporar esse código em seus próprios projetos C# para realizar pesquisas avançadas de texto em arquivos PDF.

Perguntas frequentes

P: Qual é o objetivo do tutorial “Pesquisar expressões regulares em arquivo PDF”?

R: O tutorial “Pesquisar expressão regular em arquivo PDF” tem como objetivo mostrar como usar a biblioteca Aspose.PDF para .NET para pesquisar e extrair texto que corresponda a um padrão de expressão regular especificado em um arquivo PDF. O tutorial fornece orientação abrangente e exemplo de código C# para demonstrar o processo.

P: Como este tutorial ajuda na busca de texto usando expressões regulares em um documento PDF?

R: Este tutorial fornece uma abordagem passo a passo para usar a biblioteca Aspose.PDF para realizar pesquisas de texto em um documento PDF com base em um padrão de expressão regular. Ele detalha como configurar o projeto, carregar o documento PDF, definir um padrão de expressão regular e recuperar os fragmentos de texto correspondentes.

P: Quais são os pré-requisitos para seguir este tutorial?

R: Antes de iniciar este tutorial, você deve ter um conhecimento básico da linguagem de programação C#. Além disso, você precisa ter a biblioteca Aspose.PDF for .NET instalada. Você pode obtê-lo no site Aspose ou usar o NuGet para integrá-lo ao seu projeto.

P: Como configuro meu projeto para seguir este tutorial?

R: Para começar, crie um novo projeto C# em seu ambiente de desenvolvimento integrado (IDE) preferido e adicione uma referência à biblioteca Aspose.PDF para .NET. Isso permitirá que você aproveite os recursos da biblioteca em seu projeto.

P: Posso usar expressões regulares para pesquisar texto em um documento PDF?

R: Sim, este tutorial demonstra como usar expressões regulares para pesquisar e extrair texto de um documento PDF. Envolve utilizar oTextFragmentAbsorber classe e especificando um padrão de expressão regular para encontrar frases que correspondam ao padrão fornecido.

P: Como defino o padrão de expressão regular para pesquisa de texto?

R: Para definir um padrão de expressão regular para pesquisa de texto, crie umTextFragmentAbsorber objeto e definir seu padrão usando oText parâmetro. Substitua o padrão padrão"\\d{4}-\\d{4}" no código do tutorial com o padrão de expressão regular desejado.

P: Como posso ativar o uso de expressões regulares para pesquisa de texto?

R: O uso de expressões regulares é habilitado criando umTextSearchOptions objeto e definindo seu valor comotrue . Atribuir este objeto aoTextSearchOptions propriedade doTextFragmentAbsorber instância. Isso garante que o padrão de expressão regular seja aplicado durante a pesquisa de texto.

P: Posso recuperar fragmentos de texto que correspondam ao padrão de expressão regular?

R: Absolutamente. Depois de aplicar a pesquisa por expressão regular no documento PDF, você pode recuperar os fragmentos de texto extraídos usando o comandoTextFragments propriedade doTextFragmentAbsorber objeto. Esses fragmentos de texto contêm os segmentos de texto que correspondem ao padrão de expressão regular especificado.

P: O que posso acessar dos fragmentos de texto recuperados?

R: A partir dos fragmentos de texto recuperados, você pode acessar várias propriedades, como conteúdo de texto correspondente, posição (coordenadas X e Y), informações de fonte (nome, tamanho, cor) e muito mais. O código de exemplo no loop do tutorial demonstra como acessar e exibir essas propriedades.

P: Como posso personalizar ações nos fragmentos de texto extraídos?

R: Depois de extrair os fragmentos de texto, você pode personalizar o código dentro do loop para executar ações adicionais em cada fragmento de texto. Isso pode incluir salvar o texto extraído, analisar padrões ou implementar alterações de formatação com base em seus requisitos.

Pesquise e obtenha página de texto em arquivo PDF Pesquisar texto e adicionar hiperlink