在 PDF 檔案中搜尋正規表示式
本教學課程介紹如何使用 Aspose.PDF for .NET 搜尋和檢索與 PDF 檔案中的正規表示式相符的文字。提供的 C# 原始程式碼逐步演示了該過程。
先決條件
在繼續學習本教學之前,請確保您具備以下條件:
- C# 程式語言的基礎知識。
- 安裝了 Aspose.PDF for .NET 函式庫。您可以從 Aspose 網站取得它或使用 NuGet 將其安裝到您的專案中。
第 1 步:設定項目
首先在您首選的整合開發環境 (IDE) 中建立一個新的 C# 項目,並新增對 Aspose.PDF for .NET 程式庫的參考。
步驟2:導入必要的命名空間
在 C# 檔案的開頭新增以下 using 指令以匯入所需的命名空間:
using Aspose.Pdf;
using Aspose.Pdf.Text;
第 3 步:載入 PDF 文檔
設定 PDF 文檔目錄的路徑並使用以下命令載入文檔Document
班級:
string dataDir = "YOUR DOCUMENT DIRECTORY";
Document pdfDocument = new Document(dataDir + "SearchRegularExpressionAll.pdf");
確保更換"YOUR DOCUMENT DIRECTORY"
與文檔目錄的實際路徑。
第四步:使用正規表示式搜尋
創建一個TextFragmentAbsorber
物件並設定正規表示式模式以查找與該模式相符的所有短語:
TextFragmentAbsorber textFragmentAbsorber = new TextFragmentAbsorber("\\d{4}-\\d{4}"); //如1999-2000年
代替"\\d{4}-\\d{4}"
與您想要的正規表示式模式。
第 5 步:設定文字搜尋選項
創建一個TextSearchOptions
對象並將其設定為TextSearchOptions
的財產TextFragmentAbsorber
啟用正規表示式使用的物件:
TextSearchOptions textSearchOptions = new TextSearchOptions(true);
textFragmentAbsorber.TextSearchOptions = textSearchOptions;
步驟6:在所有頁面上搜尋
接受文件所有頁面的吸收器:
pdfDocument.Pages.Accept(textFragmentAbsorber);
步驟 7:檢索擷取的文字片段
使用以下命令獲取提取的文字片段TextFragments
的財產TextFragmentAbsorber
目的:
TextFragmentCollection textFragmentCollection = textFragmentAbsorber.TextFragments;
第 8 步:循環文字片段
循環檢索到的文字片段並存取它們的屬性:
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);
}
您可以修改循環內的程式碼以對每個文字片段執行進一步的操作。
使用 Aspose.PDF for .NET 搜尋正規表示式的範例原始程式碼
//文檔目錄的路徑。
string dataDir = "YOUR DOCUMENT DIRECTORY";
//開啟文件
Document pdfDocument = new Document(dataDir + "SearchRegularExpressionAll.pdf");
//建立 TextAbsorber 物件以尋找與正規表示式相符的所有短語
TextFragmentAbsorber textFragmentAbsorber = new TextFragmentAbsorber("\\d{4}-\\d{4}"); //如1999-2000年
//設定文字搜尋選項以指定正規表示式的用法
TextSearchOptions textSearchOptions = new TextSearchOptions(true);
textFragmentAbsorber.TextSearchOptions = textSearchOptions;
//接受所有頁面的吸收器
pdfDocument.Pages.Accept(textFragmentAbsorber);
//取得擷取的文字片段
TextFragmentCollection textFragmentCollection = textFragmentAbsorber.TextFragments;
//循環遍歷片段
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);
}
結論
恭喜!您已成功學習如何使用 Aspose.PDF for .NET 搜尋和擷取與 PDF 文件中的正規表示式相符的文字。本教學課程提供了從載入文件到存取提取的文字片段的逐步指南。現在,您可以將此程式碼合併到您自己的 C# 專案中,以在 PDF 文件中執行高級文字搜尋。
常見問題解答
Q:「在 PDF 檔案中搜尋正規表示式」教學的目的為何?
答:「在 PDF 檔案中搜尋正規表示式」教學課程旨在展示如何使用 .NET 的 Aspose.PDF 程式庫來搜尋並擷取與 PDF 檔案中指定正規表示式模式相符的文字。本教程提供了全面的指導和範例 C# 程式碼來演示該過程。
Q:本教學如何幫助您在 PDF 文件中使用正規表示式搜尋文字?
答:本教學提供了使用 Aspose.PDF 庫基於正規表示式模式在 PDF 文件中進行文字搜尋的逐步方法。它詳細介紹如何設定項目、載入 PDF 文件、定義正規表示式模式以及檢索符合的文字片段。
Q:學習本教程的先決條件是什麼?
答:在開始本教學之前,您應該對 C# 程式語言有基本的了解。此外,您需要安裝 Aspose.PDF for .NET 程式庫。您可以從 Aspose 網站取得它或使用 NuGet 將其整合到您的專案中。
Q:如何設定我的專案來遵循本教學?
答:首先,在您首選的整合開發環境 (IDE) 中建立一個新的 C# 項目,並新增對 Aspose.PDF for .NET 程式庫的參考。這將使您能夠在專案中利用該庫的功能。
Q:我可以使用正規表示式搜尋 PDF 文件中的文字嗎?
答:是的,本教學課程示範如何使用正規表示式從 PDF 文件中搜尋和擷取文字。它涉及利用TextFragmentAbsorber
類別並指定正規表示式模式以尋找與提供的模式相符的短語。
Q:如何定義文字搜尋的正規表示式模式?
答:要定義文字搜尋的正規表示式模式,請建立一個TextFragmentAbsorber
對象並使用設定其模式Text
範圍。替換預設模式"\\d{4}-\\d{4}"
在教學課程的程式碼中加入您所需的正規表示式模式。
Q:如何啟用正規表示式用於文字搜尋?
答:透過建立一個來啟用正規表示式的使用TextSearchOptions
對象並將其值設為true
。將此物件分配給TextSearchOptions
的財產TextFragmentAbsorber
實例。這可確保在文字搜尋期間套用正規表示式模式。
Q:我可以檢索與正規表示式模式相符的文字片段嗎?
答:當然。對 PDF 文件套用正規表示式搜尋後,您可以使用以下命令檢索擷取的文字片段:TextFragments
的財產TextFragmentAbsorber
目的。這些文字片段包含與指定正規表示式模式相符的文字段。
Q:我可以從檢索到的文字片段中存取什麼?
答:從檢索到的文字片段中,您可以存取各種屬性,例如相符的文字內容、位置(X 和 Y 座標)、字體資訊(名稱、大小、顏色)等。本教學循環中的範例程式碼示範如何存取和顯示這些屬性。
Q:如何對擷取的文字片段自訂操作?
答:提取文字片段後,您可以在循環中自訂程式碼以對每個文字片段執行其他操作。這可以包括保存提取的文字、分析模式或根據您的要求實施格式變更。