C# String Enthält (Wie es für Entwickler funktioniert)

IronPDF Überblick

Install-Package IronPdf

Grundlegende PDF-Textextraktion mit IronPDF

IronPDF bietet eine einfache API, um Text aus PDF-Dokumenten zu extrahieren. Dies ermöglicht es Ihnen, leicht nach bestimmten Inhalten in PDFs zu suchen.

Das folgende Beispiel zeigt, wie man mit IronPDF Text aus einem PDF extrahiert:

using IronPdf;
using System;

public class Program
{
    public static void Main(string[] args)
    {
        // Load the PDF from a file
        PdfDocument pdf = PdfDocument.FromFile("invoice.pdf");
        // Extract all text from the PDF
        string text = pdf.ExtractAllText();
        // Optionally, print the extracted text to the console
        Console.WriteLine(text);
    }  
}

using IronPdf;
using System;

public class Program
{
    public static void Main(string[] args)
    {
        // Load the PDF from a file
        PdfDocument pdf = PdfDocument.FromFile("invoice.pdf");
        // Extract all text from the PDF
        string text = pdf.ExtractAllText();
        // Optionally, print the extracted text to the console
        Console.WriteLine(text);
    }  
}

In diesem Beispiel extrahiert die Methode ExtractAllText() den gesamten Text aus dem PDF-Dokument. Dieser Text kann dann verarbeitet werden, um nach bestimmten Schlagwörtern oder Phrasen zu suchen.

Verwendung von string.Contains() für die Textsuche

Sobald Sie den Text aus dem PDF extrahiert haben, können Sie die eingebaute Methode string.Contains() von C# verwenden, um nach bestimmten Wörtern oder Phrasen zu suchen.

Die Methode string.Contains() gibt einen booleschen Wert zurück, der angibt, ob ein bestimmter String innerhalb eines Strings existiert. Dies ist besonders nützlich für einfache Textsuche.

Hier ist, wie Sie string.Contains() verwenden können, um nach einem Schlagwort in dem extrahierten Text zu suchen:

bool isFound = text.Contains("search term", StringComparison.OrdinalIgnoreCase);

bool isFound = text.Contains("search term", StringComparison.OrdinalIgnoreCase);

Praktisches Beispiel: Prüfen, ob eine C#-Zeichenkette Schlüsselwörter in einem PDF-Dokument enthält

using IronPdf;
using System;

public class Program
{
    public static void Main(string[] args)
    {
        string searchTerm = "INV-12345";
        // Load the PDF from a file
        PdfDocument pdf = PdfDocument.FromFile("exampleInvoice.pdf");
        // Extract all text from the PDF
        string text = pdf.ExtractAllText();
        // Search for the specific invoice number
        bool isFound = text.Contains(searchTerm, StringComparison.OrdinalIgnoreCase);
        // Provide output based on whether the search term was found
        if (isFound)
        {
            Console.WriteLine($"Invoice number: {searchTerm} found in the document");
        }
        else
        {
            Console.WriteLine($"Invoice number {searchTerm} not found in the document");
        }
    }  
}

using IronPdf;
using System;

public class Program
{
    public static void Main(string[] args)
    {
        string searchTerm = "INV-12345";
        // Load the PDF from a file
        PdfDocument pdf = PdfDocument.FromFile("exampleInvoice.pdf");
        // Extract all text from the PDF
        string text = pdf.ExtractAllText();
        // Search for the specific invoice number
        bool isFound = text.Contains(searchTerm, StringComparison.OrdinalIgnoreCase);
        // Provide output based on whether the search term was found
        if (isFound)
        {
            Console.WriteLine($"Invoice number: {searchTerm} found in the document");
        }
        else
        {
            Console.WriteLine($"Invoice number {searchTerm} not found in the document");
        }
    }  
}

Verbesserung der Suche mit regulären Ausdrücken

Während string.Contains() für einfache Teilzeichensuchen arbeitet, möchten Sie vielleicht komplexere Suchen durchführen, wie das Finden eines Musters oder einer Reihe von Schlüsselwörtern. Hierfür können Sie reguläre Ausdrücke nutzen.

Hier ist ein Beispiel, das einen regulären Ausdruck verwendet, um nach einem beliebigen Format für Rechnungsnummern im PDF-Text zu suchen:

using IronPdf;
using System;
using System.Text.RegularExpressions;

public class Program
{
    public static void Main(string[] args)
    {
        // Define a regex pattern for a typical invoice number format (e.g., INV-12345)
        string pattern = @"INV-\d{5}";
        // Load the PDF from a file
        PdfDocument pdf = PdfDocument.FromFile("exampleInvoice.pdf");
        // Extract all text from the PDF
        string text = pdf.ExtractAllText();
        // Perform the regex search
        Match match = Regex.Match(text, pattern);
        // Check if a match was found
        if (match.Success)
        {
            Console.WriteLine($"Invoice number found: {match.Value}");
        }
        else
        {
            Console.WriteLine("No matching invoice number found.");
        }
    }  
}

using IronPdf;
using System;
using System.Text.RegularExpressions;

public class Program
{
    public static void Main(string[] args)
    {
        // Define a regex pattern for a typical invoice number format (e.g., INV-12345)
        string pattern = @"INV-\d{5}";
        // Load the PDF from a file
        PdfDocument pdf = PdfDocument.FromFile("exampleInvoice.pdf");
        // Extract all text from the PDF
        string text = pdf.ExtractAllText();
        // Perform the regex search
        Match match = Regex.Match(text, pattern);
        // Check if a match was found
        if (match.Success)
        {
            Console.WriteLine($"Invoice number found: {match.Value}");
        }
        else
        {
            Console.WriteLine("No matching invoice number found.");
        }
    }  
}

Dieser Code sucht nach Rechnungsnummern, die dem Muster INV-XXXXX entsprechen, wobei XXXXX eine Reihe von Ziffern ist.

Optimierung der Textextraktion

• Umgang mit großen PDFs: Wenn Sie mit großen PDFs arbeiten, ist es ratsam, den Text in kleineren Abschnitten (seitenweise) zu extrahieren, um den Speicherverbrauch zu reduzieren und die Leistung zu verbessern.
• Umgang mit Sonderzeichen: Achten Sie auf die Kodierungen und Sonderzeichen in der PDF-Datei. IronPDF handhabt dies im Allgemeinen gut, aber komplexe Layouts oder Schriftarten erfordern möglicherweise zusätzliche Handhabung.

Einbindung von IronPDF in .NET-Projekte

IronPDF lässt sich einfach in .NET-Projekte integrieren. Nach dem Herunterladen und Installieren der IronPDF-Bibliothek über NuGet importieren Sie diese einfach in Ihre C#-Codebasis, wie in den obigen Beispielen gezeigt.

Die Flexibilität von IronPDF ermöglicht es Ihnen, umfangreiche Dokumentenverarbeitungs-Workflows zu erstellen, wie z.B.:

• Suche und Extraktion von Daten aus Formularen.
• Konvertierung von HTML nach PDF und Extraktion von Inhalten.
• Erstellung von Berichten auf Grundlage von Benutzereingaben oder Datenbanken.