Найдите и получите текстовую страницу в PDF-файле

В этом руководстве объясняется, как использовать Aspose.PDF для .NET для поиска и получения текста с определенной страницы в файле PDF. Приведенный исходный код C# демонстрирует процесс шаг за шагом.

Предварительные условия

Прежде чем продолжить обучение, убедитесь, что у вас есть следующее:

  • Базовые знания языка программирования C#.
  • Установлена библиотека Aspose.PDF для .NET. Вы можете получить его с веб-сайта Aspose или использовать NuGet для установки в свой проект.

Шаг 1. Настройте проект

Начните с создания нового проекта C# в предпочитаемой вами интегрированной среде разработки (IDE) и добавьте ссылку на библиотеку Aspose.PDF для .NET.

Шаг 2. Импортируйте необходимые пространства имен.

Добавьте следующие директивы using в начало файла C#, чтобы импортировать необходимые пространства имен:

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

Шаг 3. Загрузите PDF-документ.

Укажите путь к каталогу вашего PDF-документа и загрузите документ, используяDocument сорт:

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

Обязательно замените"YOUR DOCUMENT DIRECTORY" с фактическим путем к каталогу вашего документа.

Шаг 4. Найдите и извлеките текст со страницы.

СоздатьTextFragmentAbsorberобъект, чтобы найти все экземпляры входной поисковой фразы на определенной странице:

TextFragmentAbsorber textFragmentAbsorber = new TextFragmentAbsorber("Figure");

Заменять"Figure" с фактическим текстом, который вы хотите найти.

Шаг 5. Поиск на определенной странице.

Примите поглотитель для конкретной страницы документа:

pdfDocument.Pages.Accept(textFragmentAbsorber);

Шаг 6: получите извлеченные фрагменты текста

Получите извлеченные фрагменты текста, используяTextFragments собственностьTextFragmentAbsorber объект:

TextFragmentCollection textFragmentCollection = textFragmentAbsorber.TextFragments;

Шаг 7. Прокрутите фрагменты и сегменты текста.

Прокрутите полученные фрагменты текста и их сегменты и получите доступ к их свойствам:

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);
	}
}

Вы можете изменить код внутри цикла, чтобы выполнять дальнейшие действия над каждым текстовым сегментом.

Пример исходного кода для страницы поиска и получения текста с использованием Aspose.PDF для .NET

// Путь к каталогу документов.
string dataDir = "YOUR DOCUMENT DIRECTORY";
// Открыть документ
Document pdfDocument = new Document(dataDir + "SearchAndGetTextPage.pdf");
// Создайте объект TextAbsorber, чтобы найти все экземпляры входной поисковой фразы.
TextFragmentAbsorber textFragmentAbsorber = new TextFragmentAbsorber("Figure");
// Примите поглотитель для всех страниц
pdfDocument.Pages.Accept(textFragmentAbsorber);
// Получить извлеченные фрагменты текста
TextFragmentCollection textFragmentCollection = textFragmentAbsorber.TextFragments;
// Перебирать фрагменты
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);
	}
}

Заключение

Поздравляем! Вы успешно научились искать и получать текст с определенной страницы PDF-документа с помощью Aspose.PDF для .NET. В этом руководстве представлено пошаговое руководство: от загрузки документа до доступа к извлеченным текстовым сегментам. Теперь вы можете включить

Часто задаваемые вопросы

Вопрос: Какова цель руководства «Поиск и получение текстовой страницы»?

О: Учебное пособие «Поиск и получение текстовой страницы» предназначено для иллюстрации того, как использовать библиотеку Aspose.PDF для .NET для поиска и извлечения текста с определенной страницы в файле PDF. В руководстве представлены подробные инструкции и пример кода C# для демонстрации процесса.

Вопрос: Как это руководство поможет извлечь текст с определенной страницы PDF-документа?

О: Это руководство проведет вас через процесс извлечения текста из определенной страницы PDF-документа с помощью библиотеки Aspose.PDF. В нем описываются необходимые шаги и предоставляется код C# для поиска указанной текстовой фразы на выбранной странице и получения связанных текстовых сегментов.

Вопрос: Каковы необходимые условия для изучения этого руководства?

О: Прежде чем приступить к изучению этого руководства, вы должны иметь базовое представление о языке программирования C#. Кроме того, вам необходимо установить библиотеку Aspose.PDF for .NET. Вы можете получить его с веб-сайта Aspose или использовать NuGet для интеграции в свой проект.

Вопрос: Как мне настроить свой проект для использования этого руководства?

О: Для начала создайте новый проект C# в предпочитаемой вами интегрированной среде разработки (IDE) и добавьте ссылку на библиотеку Aspose.PDF для .NET. Это позволит вам использовать возможности библиотеки в своем проекте.

Вопрос: Могу ли я искать текст на определенной странице PDF-документа?

О: Да, в этом руководстве показано, как искать текст на определенной странице PDF-документа. Он предполагает использованиеTextFragmentAbsorber класс для поиска экземпляров определенной текстовой фразы на выбранной странице.

Вопрос: Как мне получить доступ к извлеченным фрагментам текста с определенной страницы?

О: После поиска текста на назначенной странице вы можете получить доступ к извлеченным фрагментам текста с помощью кнопкиTextSegments собственностьTextFragment объект. Это свойство обеспечивает доступ к коллекцииTextSegment объекты, содержащие извлеченный текст и связанную с ним информацию.

Вопрос: Какую информацию я могу получить из извлеченных текстовых сегментов?

О: Вы можете получить различную информацию из извлеченных текстовых сегментов, включая текстовое содержимое, положение (координаты X и Y), информацию о шрифте (имя, размер, цвет и т. д.) и многое другое. Пример кода руководства демонстрирует, как получить доступ к этим сведениям и распечатать их для каждого текстового сегмента.

Вопрос: Могу ли я выполнять дополнительные действия над извлеченными фрагментами текста?

А: Конечно. Получив извлеченные сегменты текста, вы можете настроить код внутри цикла для выполнения дополнительных действий над каждым сегментом. Это может включать сохранение извлеченного текста, анализ текстовых шаблонов или применение изменений форматирования.

Искать и получать весь текст Поиск регулярного выражения в PDF-файле