Sök och hämta textsida i PDF-fil

Denna handledning förklarar hur man använder Aspose.PDF för .NET för att söka och hämta text från en specifik sida i PDF-fil. 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 + "SearchAndGetTextPage.pdf");

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

Steg 4: Sök och extrahera text från en sida

Skapa enTextFragmentAbsorberobjekt för att hitta alla instanser av den inmatade sökfrasen på en specifik sida:

TextFragmentAbsorber textFragmentAbsorber = new TextFragmentAbsorber("Figure");

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

Steg 5: Sök på en specifik sida

Acceptera absorbenten för en specifik sida 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 och segmenten

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

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);
	}
}

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

Exempel på källkod för Sök och hämta textsida med Aspose.PDF för .NET

// Sökvägen till dokumentkatalogen.
string dataDir = "YOUR DOCUMENT DIRECTORY";
// Öppna dokumentet
Document pdfDocument = new Document(dataDir + "SearchAndGetTextPage.pdf");
// Skapa TextAbsorber-objekt för att hitta alla instanser av den inmatade sökfrasen
TextFragmentAbsorber textFragmentAbsorber = new TextFragmentAbsorber("Figure");
// 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)
{
	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);
	}
}

Slutsats

Grattis! Du har framgångsrikt lärt dig hur du söker och hämtar text från en specifik sida 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 textsegmenten. Du kan nu införliva

FAQ’s

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

S: Handledningen “Sök och hämta textsida” är utformad för att illustrera hur man använder Aspose.PDF-biblioteket för .NET för att söka efter och hämta text från en specifik sida i en PDF-fil. Handledningen ger detaljerade instruktioner och exempel på C#-kod för att demonstrera processen.

F: Hur hjälper den här handledningen till att extrahera text från en specifik sida i ett PDF-dokument?

S: Denna handledning guidar dig genom processen att extrahera text från en viss sida i ett PDF-dokument med hjälp av Aspose.PDF-biblioteket. Den beskriver de nödvändiga stegen och tillhandahåller C#-kod för att söka efter en specificerad textfras på den valda sidan och hämta tillhörande textsegment.

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 gör att du kan använda bibliotekets kapacitet i ditt projekt.

F: Kan jag söka efter text på en specifik sida i PDF-dokumentet?

S: Ja, den här handledningen visar hur man söker efter text på en specifik sida i ett PDF-dokument. Det handlar om att användaTextFragmentAbsorber klass för att hitta instanser av en viss textfras på den valda sidan.

F: Hur kommer jag åt de extraherade textsegmenten från den specifika sidan?

S: Efter att ha sökt efter texten på den angivna sidan kan du komma åt de extraherade textsegmenten med hjälp avTextSegments egendom avTextFragment objekt. Denna fastighet ger tillgång till en samling avTextSegment objekt som innehåller den extraherade texten och relaterad information.

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

S: Du kan hämta olika detaljer från de extraherade textsegmenten, inklusive textinnehåll, position (X- och Y-koordinater), teckensnittsinformation (namn, storlek, färg, etc.) och mer. Handledningens exempelkod visar hur du kommer åt och skriver ut dessa detaljer för varje textsegment.

F: Kan jag utföra anpassade åtgärder på de extraherade textsegmenten?

A: Visst. När du har de extraherade textsegmenten kan du anpassa koden i slingan för att utföra ytterligare åtgärder på varje segment. Detta kan inkludera att spara den extraherade texten, analysera textmönster eller tillämpa formateringsändringar.

Sök och hämta text allt Sök efter reguljära uttryck i PDF-fil