Dodawanie zakładek za pomocą ExtractTextFromPage

Zaktualizowano:czerwca 28, 2026

Translated

View the article in English

Gdy dodajesz zakładki oparte na treści tekstowej, wyszukiwanie z właściwością Pages.Lines może się nie powieść, ponieważ zwracany tekst wraca złożony lub nieuporządkowany, więc wyszukiwanie w oparciu o tytuł nigdy nie zadziała. Wyciągnięcie tekstu strony za pomocą ExtractTextFromPage() odczytuje każdą stronę w logicznej kolejności i daje niezawodny ciąg do wyszukiwania.

Zwróć uwagęW wersji 2026.5.x i nowszych użyj klasy LinkAnnotation zamiast. Posiada wbudowane wsparcie dla klikalnych linków, które nawigują do konkretnej strony i pozycji, i jest zalecanym podejściem, gdy jest dostępne.

Pages.Lines rekonstruuje tekst z tego, jak wizualnie pojawia się na stronie. To załamuje się, gdy tekst jest rysowany w nie liniowym porządku, gdy niestandardowe czcionki lub kodowanie są w grze, lub gdy PDF został wygenerowany z HTML lub narzędzia trzeciej strony ze skomplikowanym układem. Rezultatem jest niepełny lub pomieszany tekst, którego nie można pewnie wyszukać.

Rozwiązanie

1. Odczytaj każdą stronę za pomocą `ExtractTextFromPage()`

Pobierz surowy osadzony tekst z każdej strony zamiast wizualnej rekonstrukcji. ExtractTextFromPage() zwraca zawartość strony w logicznej kolejności czytania, co czyni wyszukiwanie w nagłówkowym bardziej niezawodnym w różnych strukturach PDF.

2. Przeprowadzaj pętlę po każdej stronie i oznaczaj zakładką każdy unikalny nagłówek

Przejdź przez wszystkie strony, aby nie pominąć żadnej sekcji bez względu na to, gdzie się znajduje, i śledź, które nagłówki już widziałeś, aby każdy był oznakowowany tylko raz. HashSet to czysty sposób na usunięcie duplikatów: podając dokument z sekcje zatytułowane "ARTICLE 1", "ARTICLE 2", i tak dalej, gwarantuje pojedynczą zakładkę na artykuł.

Wyjściem jest zestaw zakładek wskazujących na każdy określony nagłówek, nawet gdy PDF pochodzi z dynamicznego źródła HTML lub zawiera skomplikowane formatowanie.

Kod C# dodający zakładki PDF na nagłówki artykułów za pomocą ExtractTextFromPage i HashSet

Curtis Chau

Czat z zespołem inżynierów teraz

Autor tekstów technicznych

Curtis Chau posiada tytuł licencjata z informatyki (Uniwersytet Carleton) i specjalizuje się w front-endowym rozwoju, z ekspertką w Node.js, TypeScript, JavaScript i React. Pasjonuje się tworzeniem intuicyjnych i estetycznie przyjemnych interfejsów użytkownika, Curtis cieszy się pracą z nowoczesnymi frameworkami i tworzeniem dobrze zorganizowanych, atrakcyjnych wizualnie podrę...

Czytaj więcej

Gotowy, aby rozpocząć?

Nuget Pliki do pobrania 20,296,129 | Wersja: 2026.7 właśnie wydany