Tìm kiếm và lấy trang văn bản trong tệp PDF

Hướng dẫn này giải thích cách sử dụng Aspose.PDF cho .NET để tìm kiếm và lấy văn bản từ một trang cụ thể trong tệp PDF. Mã nguồn C# được cung cấp thể hiện quy trình từng bước.

Điều kiện tiên quyết

Trước khi tiếp tục với hướng dẫn, hãy đảm bảo bạn có những điều sau:

  • Kiến thức cơ bản về ngôn ngữ lập trình C#.
  • Đã cài đặt thư viện Aspose.PDF cho .NET. Bạn có thể lấy nó từ trang web Aspose hoặc sử dụng NuGet để cài đặt nó trong dự án của bạn.

Bước 1: Thiết lập dự án

Bắt đầu bằng cách tạo một dự án C# mới trong môi trường phát triển tích hợp (IDE) ưa thích của bạn và thêm tham chiếu vào thư viện Aspose.PDF cho .NET.

Bước 2: Nhập các không gian tên cần thiết

Thêm các lệnh sử dụng sau vào đầu tệp C# của bạn để nhập các không gian tên được yêu cầu:

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

Bước 3: Tải tài liệu PDF

Đặt đường dẫn đến thư mục tài liệu PDF của bạn và tải tài liệu bằng cách sử dụngDocument lớp học:

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

Đảm bảo thay thế"YOUR DOCUMENT DIRECTORY" với đường dẫn thực tế đến thư mục tài liệu của bạn.

Bước 4: Tìm kiếm và trích xuất văn bản từ một trang

Tạo mộtTextFragmentAbsorberđối tượng để tìm tất cả các phiên bản của cụm từ tìm kiếm đầu vào trên một trang cụ thể:

TextFragmentAbsorber textFragmentAbsorber = new TextFragmentAbsorber("Figure");

Thay thế"Figure" với văn bản thực tế mà bạn muốn tìm kiếm.

Bước 5: Tìm kiếm trên một trang cụ thể

Chấp nhận phần hấp thụ cho một trang cụ thể của tài liệu:

pdfDocument.Pages.Accept(textFragmentAbsorber);

Bước 6: trích xuất các đoạn văn bản

Lấy các đoạn văn bản được trích xuất bằng cách sử dụngTextFragments tài sản củaTextFragmentAbsorber sự vật:

TextFragmentCollection textFragmentCollection = textFragmentAbsorber.TextFragments;

Bước 7: Lặp lại các đoạn và đoạn văn bản

Lặp lại các đoạn văn bản nhận được và các phân đoạn của chúng, đồng thời truy cập các thuộc tính của chúng:

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);
	}
}

Bạn có thể sửa đổi mã trong vòng lặp để thực hiện các hành động tiếp theo trên từng đoạn văn bản.

Mã nguồn mẫu cho Tìm kiếm và lấy trang văn bản bằng Aspose.PDF for .NET

// Đường dẫn đến thư mục tài liệu.
string dataDir = "YOUR DOCUMENT DIRECTORY";
// Mở tài liệu
Document pdfDocument = new Document(dataDir + "SearchAndGetTextPage.pdf");
// Tạo đối tượng TextAbsorber để tìm tất cả các phiên bản của cụm từ tìm kiếm đầu vào
TextFragmentAbsorber textFragmentAbsorber = new TextFragmentAbsorber("Figure");
// Chấp nhận bộ hấp thụ cho tất cả các trang
pdfDocument.Pages.Accept(textFragmentAbsorber);
// Lấy các đoạn văn bản được trích xuất
TextFragmentCollection textFragmentCollection = textFragmentAbsorber.TextFragments;
// Lặp lại các mảnh vỡ
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);
	}
}

Phần kết luận

Chúc mừng! Bạn đã học thành công cách tìm kiếm và lấy văn bản từ một trang cụ thể của tài liệu PDF bằng Aspose.PDF cho .NET. Hướng dẫn này cung cấp hướng dẫn từng bước, từ tải tài liệu đến truy cập các đoạn văn bản được trích xuất. Bây giờ bạn có thể kết hợp

Câu hỏi thường gặp

Hỏi: Mục đích của hướng dẫn “Tìm kiếm và lấy trang văn bản” là gì?

Đáp: Hướng dẫn “Tìm kiếm và lấy trang văn bản” được thiết kế để minh họa cách sử dụng thư viện Aspose.PDF cho .NET để tìm kiếm và truy xuất văn bản từ một trang cụ thể trong tệp PDF. Hướng dẫn này cung cấp hướng dẫn chi tiết và mã C# mẫu để minh họa quy trình.

Hỏi: Hướng dẫn này giúp ích như thế nào trong việc trích xuất văn bản từ một trang cụ thể trong tài liệu PDF?

Đáp: Hướng dẫn này hướng dẫn bạn quy trình trích xuất văn bản từ một trang cụ thể của tài liệu PDF bằng thư viện Aspose.PDF. Nó phác thảo các bước cần thiết và cung cấp mã C# để tìm kiếm một cụm văn bản được chỉ định trên trang đã chọn và truy xuất các đoạn văn bản liên quan.

Hỏi: Điều kiện tiên quyết để làm theo hướng dẫn này là gì?

Đáp: Trước khi bắt đầu hướng dẫn này, bạn nên có hiểu biết cơ bản về ngôn ngữ lập trình C#. Ngoài ra, bạn cần cài đặt thư viện Aspose.PDF for .NET. Bạn có thể lấy nó từ trang web Aspose hoặc sử dụng NuGet để tích hợp nó vào dự án của bạn.

Hỏi: Làm cách nào để thiết lập dự án của tôi theo hướng dẫn này?

Đáp: Để bắt đầu, hãy tạo một dự án C# mới trong môi trường phát triển tích hợp (IDE) ưa thích của bạn và thêm tham chiếu vào thư viện Aspose.PDF cho .NET. Điều này sẽ cho phép bạn tận dụng các khả năng của thư viện trong dự án của mình.

Hỏi: Tôi có thể tìm kiếm văn bản trên một trang cụ thể của tài liệu PDF không?

Đáp: Có, hướng dẫn này trình bày cách tìm kiếm văn bản trên một trang cụ thể của tài liệu PDF. Nó liên quan đến việc sử dụngTextFragmentAbsorber lớp để xác định vị trí của một cụm từ văn bản cụ thể trên trang đã chọn.

Hỏi: Làm cách nào để truy cập các đoạn văn bản được trích xuất từ trang cụ thể?

Đáp: Sau khi tìm kiếm văn bản trên trang được chỉ định, bạn có thể truy cập các đoạn văn bản được trích xuất bằng cách sử dụngTextSegments tài sản củaTextFragment sự vật. Thuộc tính này cung cấp quyền truy cập vào một bộ sưu tậpTextSegment các đối tượng chứa văn bản được trích xuất và thông tin liên quan.

Câu hỏi: Tôi có thể truy xuất thông tin gì từ các đoạn văn bản được trích xuất?

Trả lời: Bạn có thể truy xuất nhiều chi tiết khác nhau từ các đoạn văn bản được trích xuất, bao gồm nội dung văn bản, vị trí (tọa độ X và Y), thông tin phông chữ (tên, kích thước, màu sắc, v.v.), v.v.. Mã mẫu của hướng dẫn này trình bày cách truy cập và in các chi tiết này cho từng đoạn văn bản.

Câu hỏi: Tôi có thể thực hiện hành động tùy chỉnh trên các đoạn văn bản được trích xuất không?

Đ: Chắc chắn rồi. Sau khi đã trích xuất các đoạn văn bản, bạn có thể tùy chỉnh mã trong vòng lặp để thực hiện các hành động bổ sung trên từng đoạn. Điều này có thể bao gồm việc lưu văn bản được trích xuất, phân tích các mẫu văn bản hoặc áp dụng các thay đổi về định dạng.

Tìm kiếm và nhận tất cả văn bản Tìm kiếm biểu thức chính quy trong tệp PDF