C# Contiene Cadena (Cómo Funciona para Desarrolladores)

Descripción general de IronPDF

Install-Package IronPdf

Extracción básica de texto PDF con IronPDF

IronPDF proporciona una API simple para extraer texto de documentos PDF. Esto permite buscar fácilmente contenido específico dentro de los PDFs.

El siguiente ejemplo demuestra cómo extraer texto de un PDF usando IronPDF:

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);
    }  
}

Imports IronPdf
Imports System

Public Class Program
	Public Shared Sub Main(ByVal args() As String)
		' Load the PDF from a file
		Dim pdf As PdfDocument = PdfDocument.FromFile("invoice.pdf")
		' Extract all text from the PDF
		Dim text As String = pdf.ExtractAllText()
		' Optionally, print the extracted text to the console
		Console.WriteLine(text)
	End Sub
End Class

En este ejemplo, el método ExtractAllText() extrae todo el texto del documento PDF. Este texto puede ser procesado para buscar palabras clave o frases específicas.

Uso de string.Contains() para la búsqueda de texto

Una vez que se ha extraído el texto del PDF, puede usar el método incorporado string.Contains() de C# para buscar palabras o frases específicas.

El método string.Contains() devuelve un valor booleano que indica si una cadena especificada existe dentro de una cadena. Esto es particularmente útil para búsquedas básicas de texto.

A continuación se muestra cómo puede usar string.Contains() para buscar una palabra clave dentro del texto extraído:

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

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

Dim isFound As Boolean = text.Contains("search term", StringComparison.OrdinalIgnoreCase)

Ejemplo práctico: Cómo comprobar si una cadena en C# contiene palabras clave en un documento PDF

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");
        }
    }  
}

Imports IronPdf
Imports System

Public Class Program
	Public Shared Sub Main(ByVal args() As String)
		Dim searchTerm As String = "INV-12345"
		' Load the PDF from a file
		Dim pdf As PdfDocument = PdfDocument.FromFile("exampleInvoice.pdf")
		' Extract all text from the PDF
		Dim text As String = pdf.ExtractAllText()
		' Search for the specific invoice number
		Dim isFound As Boolean = text.Contains(searchTerm, StringComparison.OrdinalIgnoreCase)
		' Provide output based on whether the search term was found
		If isFound Then
			Console.WriteLine($"Invoice number: {searchTerm} found in the document")
		Else
			Console.WriteLine($"Invoice number {searchTerm} not found in the document")
		End If
	End Sub
End Class

Mejorar la búsqueda con expresiones regulares

Si bien string.Contains() funciona para búsquedas de subcadenas simples, es posible que desees realizar búsquedas más complejas, como encontrar un patrón o una serie de palabras clave. Para esto, puedes usar expresiones regulares.

Aquí hay un ejemplo usando una expresión regular para buscar cualquier formato de número de factura válido en el texto del PDF:

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.");
        }
    }  
}

Imports IronPdf
Imports System
Imports System.Text.RegularExpressions

Public Class Program
	Public Shared Sub Main(ByVal args() As String)
		' Define a regex pattern for a typical invoice number format (e.g., INV-12345)
		Dim pattern As String = "INV-\d{5}"
		' Load the PDF from a file
		Dim pdf As PdfDocument = PdfDocument.FromFile("exampleInvoice.pdf")
		' Extract all text from the PDF
		Dim text As String = pdf.ExtractAllText()
		' Perform the regex search
		Dim match As Match = Regex.Match(text, pattern)
		' Check if a match was found
		If match.Success Then
			Console.WriteLine($"Invoice number found: {match.Value}")
		Else
			Console.WriteLine("No matching invoice number found.")
		End If
	End Sub
End Class

Este código buscará cualquier número de factura que siga el patrón INV-XXXXX, donde XXXXX es una serie de dígitos.

Optimización de la extracción de texto

• Manejar archivos PDF grandes: si trabaja con archivos PDF grandes, es una buena idea extraer el texto en fragmentos más pequeños (por página) para reducir el uso de memoria y mejorar el rendimiento.
• Manejar codificaciones especiales: tenga en cuenta las codificaciones y los caracteres especiales en el PDF. IronPDF generalmente maneja esto bien, pero los diseños complejos o fuentes pueden requerir un manejo adicional.

Integración de IronPDF en proyectos .NET

IronPDF se integra fácilmente con proyectos .NET. Después de descargar e instalar la biblioteca IronPDF a través de NuGet, simplemente impórtala en tu base de código C#, como se muestra en los ejemplos anteriores.

La flexibilidad de IronPDF te permite construir flujos de trabajo de procesamiento de documentos sofisticados, tales como:

• Buscar y extraer datos de formularios.
• Convertir HTML a PDF y extraer contenido.
• Crear informes basados en la entrada del usuario o datos de bases de datos.