Αναζήτηση σελίδας τμημάτων κειμένου σε αρχείο PDF

Εισαγωγή

Αναρωτηθήκατε ποτέ πώς να εντοπίσετε συγκεκριμένα τμήματα κειμένου σε ένα έγγραφο PDF χρησιμοποιώντας το Aspose.PDF για .NET; Λοιπόν, είσαι τυχερός! Σε αυτόν τον οδηγό, θα σας καθοδηγήσουμε στη διαδικασία σε μια απλή, βήμα προς βήμα μορφή. Είτε προσπαθείτε να εξαγάγετε πληροφορίες, να αναλύσετε κείμενο ή απλώς να περιηγηθείτε στις περιπλοκές του χειρισμού PDF, το Aspose.PDF για .NET σας καλύπτει. Ας βουτήξουμε!

Προαπαιτούμενα

Πριν ξεκινήσουμε, ας βεβαιωθούμε ότι έχετε όλα όσα χρειάζεστε:

  • Aspose.PDF για .NET: Βεβαιωθείτε ότι έχετε εγκαταστήσει τη βιβλιοθήκη. Μπορείτε να το πάρετε απόεδώ.
  • .NET Framework: Βεβαιωθείτε ότι έχετε εγκαταστήσει το .NET στον υπολογιστή σας.
  • Περιβάλλον ανάπτυξης: Συνιστάται το Visual Studio ή οποιοδήποτε IDE που υποστηρίζεται από .NET.
  • Έγγραφο PDF: Ένα αρχείο PDF όπου θα κάνετε αναζήτηση για τμήματα κειμένου.

Εάν δεν έχετε ακόμα το Aspose.PDF για .NET, μην ανησυχείτε! Μπορείτε να λάβετε μια δωρεάν δοκιμή απόεδώ ή αγοράστε τοεδώ.

Εισαγωγή πακέτων

Πριν ξεκινήσουμε την κωδικοποίηση, είναι σημαντικό να εισαγάγετε τα απαραίτητα πακέτα στο έργο σας. Αυτό διασφαλίζει ότι όλες οι απαιτούμενες κλάσεις και μέθοδοι είναι διαθέσιμες για τις εργασίες χειρισμού PDF.

using System.IO;
using Aspose.Pdf;
using Aspose.Pdf.Text;
using System;

Έχοντας τα απαραίτητα στη θέση τους, ας μεταβούμε απευθείας στον οδηγό βήμα προς βήμα.

Βήμα 1: Φορτώστε το έγγραφο PDF

Το πρώτο βήμα στη διαδικασία είναι η φόρτωση του αρχείου PDF στο πρόγραμμα. Χωρίς φορτωμένο έγγραφο, δεν υπάρχει τίποτα για αναζήτηση, σωστά; Δείτε πώς το κάνετε.

// Η διαδρομή προς τον κατάλογο εγγράφων.
string dataDir = "YOUR DOCUMENT DIRECTORY";
// Άνοιγμα εγγράφου
Document pdfDocument = new Document(dataDir + "SearchTextSegmentsPage.pdf");
  • dataDir : Αυτή η μεταβλητή κρατά τη διαδρομή προς το αρχείο PDF σας. Αντικαθιστώ"YOUR DOCUMENT DIRECTORY" με τον πραγματικό κατάλογο όπου είναι αποθηκευμένο το αρχείο σας.
  • pdfDocument : Χρησιμοποιώντας τοDocument τάξη, φορτώνουμε το PDF στη μνήμη.

Βήμα 2: Ρύθμιση αναζήτησης κειμένου

Τώρα που φορτώθηκε το έγγραφό σας, το επόμενο βήμα είναι να δημιουργήσετε έναTextFragmentAbsorber αντικείμενο, το οποίο μας επιτρέπει να αναζητήσουμε συγκεκριμένο κείμενο μέσα στο έγγραφο.

// Δημιουργήστε αντικείμενο TextAbsorber για να βρείτε όλες τις εμφανίσεις της φράσης αναζήτησης
TextFragmentAbsorber textFragmentAbsorber = new TextFragmentAbsorber("text");
  • TextFragmentAbsorber : Αυτό το αντικείμενο χρησιμοποιείται για την καταγραφή όλων των εμφανίσεων του κειμένου που αναζητάτε. Αντικαθιστώ"text" με το πραγματικό κείμενο που θέλετε να αναζητήσετε.

Βήμα 3: Αποδοχή του απορροφητή για συγκεκριμένες σελίδες

Μπορεί να μην θέλετε πάντα να κάνετε αναζήτηση σε ολόκληρο το έγγραφο PDF. Σε αυτό το παράδειγμα, το περιορίζουμε σε μια συγκεκριμένη σελίδα.

// Αποδεχτείτε τον απορροφητήρα για όλες τις σελίδες
pdfDocument.Pages[2].Accept(textFragmentAbsorber);
  • pdfDocument.Pages[2]: Αυτό σημαίνει ότι αναζητούμε μόνο τη δεύτερη σελίδα του εγγράφου. Μπορείτε να τροποποιήσετε το ευρετήριο για να στοχεύσετε άλλες σελίδες.
  • Accept() : Αυτή η μέθοδος επιτρέπει τηνTextFragmentAbsorber για να επεξεργαστείτε το κείμενο εντός της καθορισμένης σελίδας.

Βήμα 4: Εξαγωγή των τμημάτων κειμένου

Μετά την αναζήτηση της σελίδας, εξάγουμε τα θραύσματα κειμένου που βρέθηκαν σε μια συλλογή.

// Λάβετε τα εξαγόμενα τμήματα κειμένου
TextFragmentCollection textFragmentCollection = textFragmentAbsorber.TextFragments;
  • TextFragmentCollection: Αυτή η συλλογή περιέχει όλες τις εμφανίσεις των τμημάτων κειμένου που βρέθηκαν κατά τη διαδικασία αναζήτησης.

Βήμα 5: Κάντε βρόχο μέσω τμημάτων κειμένου και εξαγωγή δεδομένων

Τώρα, ας περιηγηθούμε σε κάθε τμήμα κειμένου και ας εξαγάγουμε τις λεπτομέρειες του, όπως τη θέση, τη γραμματοσειρά και το χρώμα.

// Περιηγηθείτε στα θραύσματα
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);
    }
}
  • foreach (TextFragment textFragment in textFragmentCollection) : Κάνουμε βρόχο μέσα από το καθέναTextFragment στη συλλογή.
  • foreach (TextSegment textSegment in textFragment.Segments): Μέσα σε κάθε θραύσμα, υπάρχουν πολλά τμήματα. Τους περιηγούμαστε για να συγκεντρώσουμε όλες τις σχετικές πληροφορίες.
  • Διάφορες ιδιότητες τουtextSegmentΑυτά μας δίνουν λεπτομερείς πληροφορίες για το κείμενο, όπως τη θέση του (Χ και Υ), λεπτομέρειες γραμματοσειράς, μέγεθος και χρώμα.

Βήμα 6: Εξαγωγή των αποτελεσμάτων

Τέλος, μετά την εξαγωγή όλων των πληροφοριών, τα αποτελέσματα εκτυπώνονται στην κονσόλα. Αυτό σας βοηθά να δείτε ακριβώς πού βρίσκεται το κείμενο και τις λεπτομέρειες μορφοποίησής του.

Ακολουθεί ένα δείγμα εξόδου για σαφήνεια:

Text : text
Position : X: 45.0, Y: 75.0
XIndent : 45.0
YIndent : 75.0
Font - Name : Arial
Font - IsAccessible : True
Font - IsEmbedded : False
Font - IsSubset : False
Font Size : 12.0
Foreground Color : System.Drawing.Color [Black]
  • Αυτή η έξοδος σάς δίνει την ακριβή τοποθεσία και πληροφορίες μορφοποίησης του κειμένου “κείμενο” στην καθορισμένη σελίδα.

Σύναψη

Και ορίστε το! Μόλις μάθατε πώς να αναζητάτε συγκεκριμένα τμήματα κειμένου σε ένα έγγραφο PDF χρησιμοποιώντας το Aspose.PDF για .NET. Αυτή η διαδικασία είναι εξαιρετικά βολική όταν ασχολείστε με μεγάλα αρχεία PDF, επιτρέποντάς σας να εντοπίζετε και να εξάγετε το βασικό κείμενο αποτελεσματικά. Είτε πρόκειται για ανάλυση δεδομένων, εξαγωγή πληροφοριών ή απλή πλοήγηση σε ένα έγγραφο, το Aspose.PDF σάς παρέχει ισχυρά εργαλεία για να ολοκληρώσετε τη δουλειά.

Συχνές ερωτήσεις

Μπορώ να αναζητήσω πολλές λέξεις ή φράσεις;

Ναι, μπορείτε να τροποποιήσετε τοTextFragmentAbsorberγια αναζήτηση διαφορετικού κειμένου αλλάζοντας τη συμβολοσειρά εισαγωγής.

Είναι δυνατή η αναζήτηση σε πολλές σελίδες;

Απολύτως! Μπορείτε να κάνετε κύκλο σε όλες τις σελίδες του PDF κάνοντας επανάληψηpdfDocument.Pages.

Πώς μπορώ να αναζητήσω κείμενο χωρίς διάκριση πεζών-κεφαλαίων;

Μπορείτε να χρησιμοποιήσετεTextSearchOptions για να ενεργοποιήσετε την αναζήτηση χωρίς διάκριση πεζών-κεφαλαίων.

Μπορώ να τροποποιήσω το κείμενο αφού το βρω;

Ναι, αφού εντοπίσετε έναTextFragment, μπορείτε να τροποποιήσετε τις ιδιότητες κειμένου του.

Ισχύει αυτή η μέθοδος σε κρυπτογραφημένα αρχεία PDF;

Ναι, αρκεί να ξεκλειδώσετε το PDF χρησιμοποιώντας τον σωστό κωδικό πρόσβασης.

Αναζήτηση κειμένου και σχεδίαση ορθογωνίου Αναζήτηση κειμένου με Dot Net Regex