Aspose PDF - 从具有匹配字符串的页面中获取文本

Question

我正在使用现有的库 - 该库的目标是从 PDF 中提取文本，以根据预期值验证记录的数据与 pdf 中的数据的质量检查。

我正在寻找一种方法来简洁地提取特定页面的文本，给定一个应该只落在该特定页面上的字符串。

var pdfDocument = new Document(file.PdfFilePath);

var textAbsorber = new TextAbsorber{
    ExtractionOptions = {
        FormattingMode = TextExtractionOptions.TextFormattingMode.Pure
    }
};

pdfDocument.Pages.Accept(textAbsorber);
foreach (var page in pdfDocument.Pages)
{

}

我被困在foreach(var page in pdfDocument.Pages) 部分...还是该寻找正确的区域？

Answer 1

答案：Text Absorber 重新创建了每个页面 - 在 foreach 循环内。

如果没有重新创建吸收器，它会保留以前循环中的文本。

public List<string> ProcessPage(MyInfoClass file, string find)
{
    var pdfDocument = new Document(file.PdfFilePath);

    foreach (Page page in pdfDocument.Pages)
    {
        var textAbsorber = new TextAbsorber {
            ExtractionOptions = {
                FormattingMode = TextExtractionOptions.TextFormattingMode.Pure
            }
        };

        page.Accept(textAbsorber);
        var ext = textAbsorber.Text;
        var exts = ext.Replace("\n", "").Split('\r').ToList();
        if (ext.Contains(find))
            return exts;
    }

    return null;
}