Sök och hämta text allt

Denna handledning förklarar hur man använder Aspose.PDF för .NET för att söka och hämta text från alla sidor i ett PDF-dokument. Den medföljande C#-källkoden demonstrerar processen steg för steg.

Förutsättningar

Innan du fortsätter med handledningen, se till att du har följande:

  • Grundläggande kunskaper i programmeringsspråket C#.
  • Aspose.PDF för .NET-biblioteket installerat. Du kan hämta det från Asposes webbplats eller använda NuGet för att installera det i ditt projekt.

Steg 1: Konfigurera projektet

Börja med att skapa ett nytt C#-projekt i din föredragna integrerade utvecklingsmiljö (IDE) och lägg till en referens till Aspose.PDF för .NET-biblioteket.

Steg 2: Importera nödvändiga namnutrymmen

Lägg till följande med hjälp av direktiv i början av din C#-fil för att importera de nödvändiga namnrymden:

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

Steg 3: Ladda PDF-dokumentet

Ställ in sökvägen till din PDF-dokumentkatalog och ladda dokumentet med hjälp avDocument klass:

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

Se till att byta ut"YOUR DOCUMENT DIRECTORY" med den faktiska sökvägen till din dokumentkatalog.

Steg 4: Sök och extrahera text

Skapa enTextFragmentAbsorber objekt för att hitta alla instanser av den inmatade sökfrasen:

TextFragmentAbsorber textFragmentAbsorber = new TextFragmentAbsorber("text");

Byta ut"text" med den faktiska texten du vill söka efter.

Steg 5: Sök på alla sidor

Acceptera absorbenten för alla sidor i dokumentet:

pdfDocument.Pages.Accept(textFragmentAbsorber);

Steg 6: hämta extraherade textfragment

Hämta de extraherade textfragmenten med hjälp avTextFragments egendom avTextFragmentAbsorber objekt:

TextFragmentCollection textFragmentCollection = textFragmentAbsorber.TextFragments;

Steg 7: Gå igenom textfragmenten

Gå igenom getd-textfragmenten och få tillgång till deras egenskaper:

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);
}

Du kan ändra koden i slingan för att utföra ytterligare åtgärder på varje textfragment.

Exempel på källkod för Search And Get Text All med Aspose.PDF för .NET

// Sökvägen till dokumentkatalogen.
string dataDir = "YOUR DOCUMENT DIRECTORY";
// Öppna dokumentet
Document pdfDocument = new Document(dataDir + "SearchAndGetTextFromAll.pdf");
// Skapa TextAbsorber-objekt för att hitta alla instanser av den inmatade sökfrasen
TextFragmentAbsorber textFragmentAbsorber = new TextFragmentAbsorber("text");
// Acceptera absorbenten för alla sidor
pdfDocument.Pages.Accept(textFragmentAbsorber);
// Hämta de extraherade textfragmenten
TextFragmentCollection textFragmentCollection = textFragmentAbsorber.TextFragments;
// Gå igenom fragmenten
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);
}

Slutsats

Grattis! Du har framgångsrikt lärt dig hur du söker och hämtar text från alla sidor i ett PDF-dokument med Aspose.PDF för .NET. Denna handledning gav en steg-för-steg-guide, från att ladda dokumentet till att komma åt de extraherade textfragmenten. Du kan nu infoga den här koden i dina egna C#-projekt för att analysera och bearbeta textinnehåll i PDF-filer.

FAQ’s

F: Vad är syftet med handledningen “Sök och hämta text allt”?

S: Handledningen “Sök och hämta text allt” visar hur man använder Aspose.PDF-biblioteket för .NET för att söka och extrahera text från alla sidor i ett PDF-dokument. Handledningen innehåller steg-för-steg-instruktioner tillsammans med exempel på C#-kod för att utföra textsökning och hämtning.

F: Hur hjälper den här handledningen till att extrahera text från PDF-dokument?

S: Denna handledning guidar dig genom processen att extrahera text från alla sidor i ett PDF-dokument. Den använder Aspose.PDF-biblioteket för att hitta specifika textfraser och hämta tillhörande information, såsom position, teckensnittsegenskaper och färger.

F: Vilka är förutsättningarna för att följa denna handledning?

S: Innan du börjar med den här handledningen bör du ha en grundläggande förståelse för programmeringsspråket C#. Dessutom måste du ha Aspose.PDF för .NET-biblioteket installerat. Du kan få det från Asposes webbplats eller använda NuGet för att integrera det i ditt projekt.

F: Hur ställer jag in mitt projekt för att följa denna handledning?

S: För att komma igång, skapa ett nytt C#-projekt i din föredragna integrerade utvecklingsmiljö (IDE) och lägg till en referens till Aspose.PDF för .NET-biblioteket. Detta ger dig tillgång till bibliotekets funktionalitet i ditt projekt.

F: Hur söker jag efter specifik text i ett PDF-dokument?

S: Du kan användaTextFragmentAbsorberklass för att hitta instanser av en specifik sökfras i PDF-dokumentet. Genom att skapa en instans av den här klassen och ange måltexten kan du fånga alla förekomster av den texten.

F: Kan jag söka efter text på alla sidor i PDF-dokumentet?

S: Ja, handledningen visar hur man söker efter text på alla sidor i PDF-dokumentet. DepdfDocument.Pages.Accept(textFragmentAbsorber) metoden används för att acceptera absorbenten för alla sidor, så att du kan söka efter önskad text på varje sida.

F: Hur kommer jag åt de extraherade textfragmenten?

S: Efter att ha sökt efter texten kan du komma åt de extraherade textfragmenten med hjälp avTextFragments egendom avTextFragmentAbsorber objekt. Denna fastighet ger tillgång till en samling avTextFragment objekt som innehåller den extraherade texten och relaterad information.

F: Vilken information kan jag hämta från de extraherade textfragmenten?

S: Du kan hämta olika detaljer från de extraherade textfragmenten, såsom det faktiska textinnehållet, position (X- och Y-koordinater), teckensnittsinformation (namn, storlek, färg, etc.) med mera. Handledningens exempelkod visar hur du kommer åt och skriver ut dessa detaljer.

F: Kan jag utföra ytterligare åtgärder på de extraherade textfragmenten?

A: Absolut. När du har de extraherade textfragmenten kan du modifiera koden i slingan för att utföra anpassade åtgärder på varje fragment. Detta kan inkludera att spara den extraherade texten, analysera textmönster eller tillämpa formateringsändringar.

Rotera text med hjälp av textstycke och Builder i PDF-fil Sök och hämta textsida i PDF-fil