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.