Buscar y obtener texto todo

Este tutorial explica cómo usar Aspose.PDF para .NET para buscar y obtener texto de todas las páginas de un documento PDF. El código fuente de C# proporcionado demuestra el proceso paso a paso.

Requisitos previos

Antes de continuar con el tutorial, asegúrese de tener lo siguiente:

Conocimientos básicos del lenguaje de programación C#.
Aspose.PDF para la biblioteca .NET instalada. Puede obtenerlo del sitio web de Aspose o utilizar NuGet para instalarlo en su proyecto.

Paso 1: configurar el proyecto

Comience creando un nuevo proyecto C# en su entorno de desarrollo integrado (IDE) preferido y agregue una referencia a la biblioteca Aspose.PDF para .NET.

Paso 2: importar los espacios de nombres necesarios

Agregue las siguientes directivas de uso al principio de su archivo C# para importar los espacios de nombres requeridos:

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

Paso 3: cargue el documento PDF

Establezca la ruta a su directorio de documentos PDF y cargue el documento usando elDocument clase:

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

Asegúrate de reemplazar"YOUR DOCUMENT DIRECTORY" con la ruta real a su directorio de documentos.

Paso 4: buscar y extraer texto

Crear unTextFragmentAbsorber objeto para encontrar todas las instancias de la frase de búsqueda de entrada:

TextFragmentAbsorber textFragmentAbsorber = new TextFragmentAbsorber("text");

Reemplazar"text" con el texto real que desea buscar.

Paso 5: buscar en todas las páginas

Acepta el absorbente para todas las páginas del documento:

pdfDocument.Pages.Accept(textFragmentAbsorber);

Paso 6: obtenga fragmentos de texto extraídos

Obtenga los fragmentos de texto extraídos utilizando elTextFragments propiedad de laTextFragmentAbsorber objeto:

TextFragmentCollection textFragmentCollection = textFragmentAbsorber.TextFragments;

Paso 7: recorrer los fragmentos de texto

Recorra los fragmentos de texto obtenidos y acceda a sus propiedades:

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);
}

Puede modificar el código dentro del bucle para realizar más acciones en cada fragmento de texto.

Código fuente de muestra para buscar y obtener texto usando Aspose.PDF para .NET

// La ruta al directorio de documentos.
string dataDir = "YOUR DOCUMENT DIRECTORY";
// Abrir documento
Document pdfDocument = new Document(dataDir + "SearchAndGetTextFromAll.pdf");
// Cree un objeto TextAbsorber para encontrar todas las instancias de la frase de búsqueda de entrada
TextFragmentAbsorber textFragmentAbsorber = new TextFragmentAbsorber("text");
// Aceptar el absorbente para todas las páginas.
pdfDocument.Pages.Accept(textFragmentAbsorber);
// Obtenga los fragmentos de texto extraídos
TextFragmentCollection textFragmentCollection = textFragmentAbsorber.TextFragments;
// Recorre los fragmentos
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);
}

Conclusión

¡Felicidades! Ha aprendido con éxito cómo buscar y obtener texto de todas las páginas de un documento PDF utilizando Aspose.PDF para .NET. Este tutorial proporciona una guía paso a paso, desde cargar el documento hasta acceder a los fragmentos de texto extraídos. Ahora puede incorporar este código en sus propios proyectos de C# para analizar y procesar contenido de texto en archivos PDF.

Preguntas frecuentes

P: ¿Cuál es el propósito del tutorial “Buscar y obtener texto completo”?

R: El tutorial “Buscar y obtener texto todo” demuestra cómo utilizar la biblioteca Aspose.PDF para .NET para buscar y extraer texto de todas las páginas de un documento PDF. El tutorial proporciona instrucciones paso a paso junto con código C# de muestra para realizar búsqueda y recuperación de texto.

P: ¿Cómo ayuda este tutorial a extraer texto de documentos PDF?

R: Este tutorial lo guía a través del proceso de extracción de texto de todas las páginas de un documento PDF. Utiliza la biblioteca Aspose.PDF para localizar frases de texto específicas y recuperar información asociada, como posición, propiedades de fuente y colores.

P: ¿Cuáles son los requisitos previos para seguir este tutorial?

R: Antes de comenzar este tutorial, debes tener un conocimiento básico del lenguaje de programación C#. Además, debe tener instalada la biblioteca Aspose.PDF para .NET. Puede obtenerlo del sitio web de Aspose o utilizar NuGet para integrarlo en su proyecto.

P: ¿Cómo configuro mi proyecto para seguir este tutorial?

R: Para comenzar, cree un nuevo proyecto de C# en su entorno de desarrollo integrado (IDE) preferido y agregue una referencia a la biblioteca Aspose.PDF para .NET. Esto le permitirá acceder a la funcionalidad de la biblioteca en su proyecto.

P: ¿Cómo busco texto específico dentro de un documento PDF?

R: Puedes usar elTextFragmentAbsorberclase para buscar instancias de una frase de búsqueda específica dentro del documento PDF. Al crear una instancia de esta clase y especificar el texto de destino, puede capturar todas las apariciones de ese texto.

P: ¿Puedo buscar texto en todas las páginas del documento PDF?

R: Sí, el tutorial muestra cómo buscar texto en todas las páginas del documento PDF. ElpdfDocument.Pages.Accept(textFragmentAbsorber) El método se utiliza para aceptar el absorbente para todas las páginas, lo que le permite buscar el texto deseado en cada página.

P: ¿Cómo accedo a los fragmentos de texto extraídos?

R: Después de buscar el texto, puede acceder a los fragmentos de texto extraídos utilizando elTextFragments propiedad de laTextFragmentAbsorber objeto. Esta propiedad proporciona acceso a una colección deTextFragment objetos que contienen el texto extraído e información relacionada.

P: ¿Qué información puedo recuperar de los fragmentos de texto extraídos?

R: Puede recuperar varios detalles de los fragmentos de texto extraídos, como el contenido del texto real, la posición (coordenadas X e Y), información de fuente (nombre, tamaño, color, etc.) y más. El código de muestra del tutorial demuestra cómo acceder e imprimir estos detalles.

P: ¿Puedo realizar más acciones en los fragmentos de texto extraídos?

R: Absolutamente. Una vez que tenga los fragmentos de texto extraídos, puede modificar el código dentro del bucle para realizar acciones personalizadas en cada fragmento. Esto podría incluir guardar el texto extraído, analizar patrones de texto o aplicar cambios de formato.

Rotar texto usando el párrafo de texto y el generador en un archivo PDF Buscar y obtener página de texto en un archivo PDF