String em C# contém (Como funciona para desenvolvedores)

Visão geral do IronPDF

Install-Package IronPdf

Extração básica de texto de PDF com IronPDF

O IronPDF fornece uma API simples para extrair texto de documentos PDF. Isso permite que você pesquise facilmente conteúdo específico dentro de PDFs.

O exemplo a seguir demonstra como extrair texto de um PDF usando o 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

Neste exemplo, o método ExtractAllText() extrai todo o texto do documento PDF. Esse texto pode então ser processado para buscar palavras-chave ou frases específicas.

Usando string.Contains() para pesquisa de texto

Depois de extrair o texto do PDF, você pode usar o método string.Contains() integrado do C# para procurar palavras ou frases específicas.

O método string.Contains() retorna um valor booleano indicando se uma string especificada existe dentro de outra string. Isso é particularmente útil para buscas básicas de texto.

Veja como você pode usar string.Contains() para procurar uma palavra-chave no 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)

Exemplo prático: Como verificar se uma string C# contém palavras-chave em um 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

Aprimorando a busca com expressões regulares

Embora string.Contains() funcione para pesquisas simples de substrings, você pode querer realizar pesquisas mais complexas, como encontrar um padrão ou uma série de palavras-chave. Para isso, você pode usar expressões regulares.

Aqui está um exemplo usando uma expressão regular para pesquisar qualquer formato de número de fatura válido no texto do 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 irá procurar por quaisquer números de fatura que sigam o padrão INV-XXXXX, onde XXXXX é uma sequência de dígitos.

Otimizando a extração de texto

• Lidar com PDFs grandes: Se você estiver trabalhando com PDFs grandes, é uma boa ideia extrair o texto em partes menores (por página) para reduzir o uso de memória e melhorar o desempenho.
• Lidar com codificações especiais: esteja atento às codificações e aos caracteres especiais no PDF. O IronPDF geralmente lida bem com isso, mas layouts ou fontes complexos podem exigir ajustes adicionais.

Integrando o IronPDF em projetos .NET

O IronPDF integra-se facilmente com projetos .NET . Após baixar e instalar a biblioteca IronPDF via NuGet, basta importá-la para seu código C#, como mostrado nos exemplos acima.

A flexibilidade do IronPDF permite criar fluxos de trabalho sofisticados para processamento de documentos, tais como:

• Pesquisar e extrair dados de formulários.
• Converter HTML para PDF e extrair conteúdo.
• Criação de relatórios com base em informações inseridas pelo usuário ou em dados de bancos de dados.