在文檔管理系統(tǒng)、法律審查工具、發(fā)票處理工具和其他企業(yè)應(yīng)用程序中，搜索PDF文檔中的特定文本是一項(xiàng)常見任務(wù)。無論您是嘗試查找關(guān)鍵字、提取特定值還是遮蓋敏感信息，自動(dòng)化 PDF 搜索都能為您節(jié)省大量時(shí)間和精力。

在本篇博文中，您將學(xué)習(xí)如何使用 C# 以編程方式在 PDF 文件中搜索文本。我們將通過實(shí)際的 C# 代碼示例，逐步向您講解主要功能。

用于在 PDF 文檔中搜索的 C# 庫

Aspose.PDF for .NET簡化了使用 C# 在 PDF 文件中搜索文本的過程。它允許您查找精確的單詞、使用正則表達(dá)式匹配模式，甚至突出顯示或替換匹配的文本——所有這些只需幾行代碼即可完成。這個(gè)強(qiáng)大的庫提供了用于操作 PDF 文檔的強(qiáng)大功能。它允許開發(fā)人員輕松實(shí)現(xiàn)搜索功能。使用 Aspose.PDF，您可以快速在 PDF 中查找單詞，使其成為軟件開發(fā)人員的寶貴工具。

在深入研究 PDF 文本搜索之前，您需要設(shè)置開發(fā)環(huán)境。請(qǐng)按照以下步驟開始使用 Aspose.PDF for .NET：

1.安裝 Aspose.PDF for .NET。

從發(fā)行版下載或通過安裝。在 Visual Studio 中打開 .NET 項(xiàng)目，然后在 NuGet 包管理器控制臺(tái)中運(yùn)行以下命令：

PM> Install-Package Aspose.PDF

此命令將 Aspose.PDF 庫添加到您的項(xiàng)目中，以便您可以訪問其強(qiáng)大的 PDF 處理功能。

2. 導(dǎo)入所需的命名空間

在 C# 文件的頂部，添加以下使用指令：

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

現(xiàn)在您已準(zhǔn)備好使用 Aspose.PDF 的 API 開始在 PDF 文件中搜索文本。

使用 C# 在 PDF 中搜索文本

使用 Aspose.PDF for .NET，您可以輕松地在 PDF 中搜索特定的單詞或短語，找到它們的所有實(shí)例，并采取諸如突出顯示它們或提取其詳細(xì)信息等操作。

請(qǐng)按照以下步驟執(zhí)行基本文本搜索：

1. 使用Document類加載目標(biāo) PDF 文件。
2. 創(chuàng)建一個(gè)TextFragmentAbsorber來定義搜索關(guān)鍵字。
3. 使用Accept()方法在所有頁面運(yùn)行吸收器。
4. 檢索所有匹配的文本片段。
5. 打印找到的匹配數(shù)。
6. 循環(huán)并顯示每個(gè)匹配項(xiàng)及其頁碼。

以下代碼示例實(shí)現(xiàn)了這些步驟。

// Load the PDF file
Document pdfDocument = new Document("sample.pdf");

// Create a text absorber with the search keyword
TextFragmentAbsorber textFragmentAbsorber = new TextFragmentAbsorber("invoice");

// Apply the absorber to all pages
pdfDocument.Pages.Accept(textFragmentAbsorber);

// Get the matched text fragments
TextFragmentCollection textFragments = textFragmentAbsorber.TextFragments;

// Print how many times the keyword was found
Console.WriteLine($"Found {textFragments.Count} instance(s) of the keyword.");

// Loop through and print each found text
foreach (TextFragment fragment in textFragments)
{
    Console.WriteLine($"Text: {fragment.Text} | Page: {fragment.Page.Number}");
}

Found 3 instance(s) of the keyword.
Text: invoice | Page: 1
Text: invoice | Page: 2
Text: invoice | Page: 3

此示例演示了一個(gè)簡單的關(guān)鍵字搜索，該搜索適用于 PDF 中的所有頁面。您將看到匹配的文本及其頁碼。

了解 PDF 搜索中使用的關(guān)鍵類別

為了更好地理解代碼中發(fā)生的情況，下面對(duì)所涉及的關(guān)鍵類和方法進(jìn)行了快速分解：

• Document：代表整個(gè) PDF 文件。它提供對(duì)頁面、內(nèi)容和結(jié)構(gòu)的訪問。
• TextFragmentAbsorber：查找 PDF 中指定字符串或模式的所有匹配項(xiàng)。您還可以啟用不區(qū)分大小寫或基于正則表達(dá)式的搜索等功能。
• Accept()：將吸收器應(yīng)用于每頁紙張。它會(huì)掃描整個(gè)文檔并收集匹配的碎片。
• TextFragments：吸收器返回的所有匹配的文本片段的集合。
• TextFragment：每個(gè)單獨(dú)的匹配都包含內(nèi)容、位置和頁碼等詳細(xì)信息。

使用 C# 進(jìn)行不區(qū)分大小寫和全字搜索

搜索 PDF 內(nèi)容時(shí)，您需要控制系統(tǒng)查找匹配項(xiàng)的方式，以確保結(jié)果準(zhǔn)確。有時(shí)，您可能希望忽略字母大小寫（“Invoice” 與 “invoice”），或者只想匹配完整的單詞，而不是其他單詞中的部分匹配。

Aspose.PDF for .NET 為您提供了實(shí)現(xiàn)這兩項(xiàng)功能的工具。

不區(qū)分大小寫的搜索

默認(rèn)情況下，搜索區(qū)分大小寫。要忽略字母大小寫，請(qǐng)使用TextSearchOptionswith IgnoreCaseenabled：

// Load the PDF file
Document pdfDocument = new Document("sample.pdf");

// Create a text absorber with a case-insensitive regular expression
TextFragmentAbsorber textFragmentAbsorber = new TextFragmentAbsorber("(?i)INVOICE");

// Set text search options to enable regular expression usage
TextSearchOptions textSearchOptions = new TextSearchOptions(true);
textFragmentAbsorber.TextSearchOptions = textSearchOptions;

// Apply the absorber to all pages
pdfDocument.Pages.Accept(textFragmentAbsorber);

// Retrieve the matched text fragments
TextFragmentCollection textFragments = textFragmentAbsorber.TextFragments;

// Output the number of matches found
Console.WriteLine($"Found {textFragments.Count} instance(s) of the keyword.");

// Loop through and display each found text fragment
foreach (TextFragment fragment in textFragments)
{
    Console.WriteLine($"Text: {fragment.Text} | Page: {fragment.Page.Number}");
}

這將找到“發(fā)票”、“發(fā)票”、“發(fā)票”和其他變體。

僅匹配整個(gè)單詞

您還可以阻止部分匹配。例如，搜索“car不應(yīng)匹配”care或scar“”。

// Load the PDF file
Document pdfDocument = new Document("sample.pdf");

// Create a text absorber with a regular expression pattern for whole word match
TextFragmentAbsorber textFragmentAbsorber = new TextFragmentAbsorber(@"\bcar\b");

// Set text search options to enable regular expression usage
TextSearchOptions textSearchOptions = new TextSearchOptions(true);
textFragmentAbsorber.TextSearchOptions = textSearchOptions;

// Apply the absorber to all pages
pdfDocument.Pages.Accept(textFragmentAbsorber);

// Retrieve the matched text fragments
TextFragmentCollection textFragments = textFragmentAbsorber.TextFragments;

// Output the number of matches found
Console.WriteLine($"Found {textFragments.Count} instance(s) of the keyword.");

// Loop through and display each found text fragment
foreach (TextFragment fragment in textFragments)
{
    Console.WriteLine($"Text: {fragment.Text} | Page: {fragment.Page.Number}");
}

這確保只有單詞“car”的獨(dú)立實(shí)例被匹配。

使用正則表達(dá)式在 PDF 中搜索

在某些情況下，您需要查找的不僅僅是某個(gè)特定的單詞，您還需要匹配諸如日期、電子郵件地址或參考編號(hào)之類的模式。這時(shí)，正則表達(dá)式 (regex)就派上用場了。

Aspose.PDF for .NET 允許您使用正則表達(dá)式在 PDF 文檔的任何部分進(jìn)行高級(jí)文本搜索。

示例：查找 PDF 中的所有日期

假設(shè)您要查找以下格式的所有日期dd/mm/yyyy：

// Load PDF and search for text
Document pdfDocument = new Document("sample.pdf");

// Enable regex in search options
TextSearchOptions searchOptions = new TextSearchOptions(true)
{
    IsRegularExpressionUsed = true
};

// Create absorber with date pattern
TextFragmentAbsorber absorber = new TextFragmentAbsorber(@"\d{2}/\d{2}/\d{4}", searchOptions);

// Apply absorber to pages
pdfDocument.Pages.Accept(absorber);

// Loop and print found patterns
foreach (TextFragment fragment in absorber.TextFragments)
{
    Console.WriteLine($"Found date: {fragment.Text} on Page {fragment.Page.Number}");
}

其他有用的模式：

• 電子郵件：\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b
• 電話號(hào)碼：\d{3}[-.\s]??\d{3}[-.\s]??\d{4}
• 發(fā)票號(hào)碼：INV-\d+

Regex 將您的搜索功能擴(kuò)展到靜態(tài)文本之外，幫助您從非結(jié)構(gòu)化文檔中提取結(jié)構(gòu)化數(shù)據(jù)。

搜索并提取包含職位詳細(xì)信息的文本

有時(shí)，僅僅找到文本是不夠的——您可能需要知道它在PDF中的確切位置。Aspose.PDF允許您提取每個(gè)匹配項(xiàng)的頁碼、坐標(biāo)和格式詳細(xì)信息。

此功能對(duì)于建立索引、標(biāo)記文檔或創(chuàng)建可點(diǎn)擊鏈接特別有用。

示例：獲取每場比賽的位置**

// Load PDF and search for text
Document pdfDocument = new Document("sample.pdf");
TextFragmentAbsorber absorber = new TextFragmentAbsorber("invoice");
pdfDocument.Pages.Accept(absorber);

// Get matched fragments
TextFragmentCollection fragments = absorber.TextFragments;

// Print position and text for each match
foreach (TextFragment fragment in fragments)
{
    Console.WriteLine($"Text: {fragment.Text}");
    Console.WriteLine($"Page: {fragment.Page.Number}");
    Console.WriteLine($"Position - X: {fragment.Position.XIndent}, Y: {fragment.Position.YIndent}");
    Console.WriteLine($"Font: {fragment.TextState.Font.FontName}, Size: {fragment.TextState.FontSize}");
    Console.WriteLine("------------");
}

示例輸出

Text: invoice
Page: 1
Position - X: 33.482, Y: 708.246
Font: Helvetica, Size: 12
------------
Text: invoice
Page: 2
Position - X: 33.482, Y: 708.246
Font: Helvetica, Size: 12
------------
Text: invoice
Page: 3
Position - X: 33.482, Y: 708.246
Font: Helvetica, Size: 12
------------

現(xiàn)在，您確切地知道了“發(fā)票”一詞出現(xiàn)的位置以及它的樣式。這種細(xì)節(jié)水平為高級(jí)處理（例如注釋、工具提示或動(dòng)態(tài)突出顯示）打開了大門。

突出顯示或替換找到的文本

在 PDF 中找到特定文本后，您可以進(jìn)一步操作，例如高亮顯示該文本，甚至將其替換為新內(nèi)容。Aspose.PDF for .NET 允許您使用該對(duì)象輕松地設(shè)置或修改匹配文本的樣式TextFragment。

在 PDF 中搜索并高亮顯示文本

您可以通過更改文本的背景和字體顏色來直觀地突出顯示文本。

TextFragmentAbsorber absorber = new TextFragmentAbsorber("invoice");
pdfDocument.Pages.Accept(absorber);

foreach (TextFragment fragment in absorber.TextFragments)
{
    // Highlight by changing text appearance
    fragment.TextState.BackgroundColor = Color.Yellow;
    fragment.TextState.ForegroundColor = Color.Red;
    fragment.TextState.FontStyle = FontStyles.Bold;
}

這對(duì)于審查、批注或生成帶注釋的報(bào)告很有用。

查找和替換文本

需要編輯或更新文檔中的文本？直接替換即可：

foreach (TextFragment fragment in absorber.TextFragments)
{
    fragment.Text = "REDACTED";
}

fragment.TextState.FontSize = 12;
fragment.TextState.Font = FontRepository.FindFont("Arial");
fragment.TextState.ForegroundColor = Color.Black;

通過編程突出顯示和替換文本，您可以自動(dòng)執(zhí)行許多文檔處理任務(wù)，例如清理模板、更新過時(shí)的內(nèi)容或?qū)彶樗饺藬?shù)據(jù)。

在所有頁面或特定頁面中搜索

默認(rèn)情況下，Aspose.PDF 會(huì)搜索PDF 中的所有頁面。但有時(shí)，您可能希望將搜索范圍限制在特定頁面或頁面范圍內(nèi)——尤其是在處理大型文件或內(nèi)容可預(yù)測的情況下。

Aspose.PDF 使這兩項(xiàng)操作變得簡單。

在所有頁面上搜索（默認(rèn)）

如果您沒有指定頁面，吸收器會(huì)自動(dòng)搜索每一頁。

TextFragmentAbsorber absorber = new TextFragmentAbsorber("invoice");
pdfDocument.Pages.Accept(absorber); // Searches all pages

在特定頁面上搜索

您還可以通過直接定位來搜索單個(gè)頁面：

TextFragmentAbsorber absorber = new TextFragmentAbsorber("invoice");

// Search only on page 2
pdfDocument.Pages[2].Accept(absorber);

在一定范圍內(nèi)的頁面搜索

要搜索自定義范圍（例如第 2 頁至第 4 頁），只需循環(huán)遍歷該范圍：

TextFragmentAbsorber absorber = new TextFragmentAbsorber("invoice");

// Loop through selected pages
for (int i = 2; i <= 4; i++)
{
    pdfDocument.Pages[i].Accept(absorber);
}

這種方法使您能夠完全控制性能和精度，對(duì)于掃描或分段的文檔尤其有用。

高級(jí)用例：搜索和編輯敏感信息

在法律、人力資源或財(cái)務(wù)文檔中，通常會(huì)在共享之前隱藏敏感內(nèi)容（例如姓名、ID 或賬號(hào)）。Aspose.PDF for .NET 通過將搜索與編輯功能相結(jié)合，使這變得簡單。

您可以搜索術(shù)語，然后使用應(yīng)用黑色覆蓋RedactionAnnotation。

// Load PDF and search for text
Document pdfDocument = new Document("sample.pdf");

// Search for the name "John Doe"
TextFragmentAbsorber absorber = new TextFragmentAbsorber("John Doe");
pdfDocument.Pages.Accept(absorber);

// Loop through found fragments and redact
foreach (TextFragment fragment in absorber.TextFragments)
{
    // Get position and dimensions
    Aspose.Pdf.Rectangle rect = new Aspose.Pdf.Rectangle(
        fragment.Position.XIndent,
        fragment.Position.YIndent,
        fragment.Position.XIndent + fragment.Rectangle.Width,
        fragment.Position.YIndent + fragment.Rectangle.Height
    );

    // Create a redaction annotation
    RedactionAnnotation redaction = new RedactionAnnotation(fragment.Page, rect)
    {
        FillColor = Color.Black,
        Color = Color.Black
    };

    // Add and apply redaction
    fragment.Page.Annotations.Add(redaction);
    redaction.Redact();
}
// Save the modified document
pdfDocument.Save("SearchAndRedact.pdf");

會(huì)發(fā)生什么

• 找到目標(biāo)文本（“John Doe”）并將其用黑框覆蓋。
• 這不僅僅是視覺上的——它會(huì)從 PDF 層中刪除內(nèi)容，使其無法從文件中刪除。

結(jié)論

在 PDF 文件中搜索文本是許多基于文檔的應(yīng)用程序的一項(xiàng)重要功能——無論您是提取數(shù)據(jù)、審核內(nèi)容還是準(zhǔn)備文件進(jìn)行編輯。使用Aspose.PDF for .NET，您可以輕松執(zhí)行關(guān)鍵字搜索、使用正則表達(dá)式、突出顯示結(jié)果，甚至精確控制地編輯敏感信息。Aspose.PDF 提供開發(fā)人員友好的 API，可簡化復(fù)雜的 PDF 操作——節(jié)省您的時(shí)間，同時(shí)實(shí)現(xiàn)強(qiáng)大的自動(dòng)化功能。

————————————————————————————————————————

關(guān)于慧都科技：

慧都科技是一家行業(yè)數(shù)字化解決方案公司，長期專注于軟件、油氣與制造行業(yè)。公司基于深入的業(yè)務(wù)理解與管理洞察，以系統(tǒng)化的業(yè)務(wù)建模驅(qū)動(dòng)技術(shù)落地，幫助企業(yè)實(shí)現(xiàn)智能化運(yùn)營與長期競爭優(yōu)勢(shì)。在軟件工程領(lǐng)域，我們提供開發(fā)控件、研發(fā)管理、代碼開發(fā)、部署運(yùn)維等軟件開發(fā)全鏈路所需的產(chǎn)品，提供正版授權(quán)采購、技術(shù)選型、個(gè)性化維保等服務(wù)，幫助客戶實(shí)現(xiàn)技術(shù)合規(guī)、降本增效與風(fēng)險(xiǎn)可控。慧都科技Aspose在中國的官方授權(quán)代理商，提供Aspose系列產(chǎn)品免費(fèi)試用，咨詢，正版銷售等于一體的專業(yè)化服務(wù)。Aspose是文檔處理領(lǐng)域的優(yōu)秀產(chǎn)品，幫助企業(yè)高效構(gòu)建文檔處理的應(yīng)用程序。

下載|體驗(yàn)更多Aspose產(chǎn)品，請(qǐng)咨詢，或撥打產(chǎn)品熱線：023-68661681