PDF解析

Posted 2020-07-12 花开花落-2014

解析如下图PDF文件

using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
using Aspose.Pdf;
using Aspose.Pdf.Text;
using System.IO;
using System.Text.RegularExpressions;

namespace Test
{
    class Program
    {
        //2个空格以上，意味着匹配出现了问题，匹配后面的
        private static  Regex r = new Regex(@"\\s+\\S+\\s+");
        //1个空格，且字数超过15，是有问题的
        private static Regex r1 = new Regex(@"^\\S+\\s+\\S+$");


        static void Main(string[] args)
        {
            string file = Path.Combine(AppDomain.CurrentDomain.BaseDirectory, "Files", "模板.pdf");
            Document doc = new Document(file);
            var absorber = new TextAbsorber();
            doc.Pages.Accept(absorber);
            string content = absorber.Text;//将PDF文件解析为一串字符串保存到content变量
            string age = GetContentStr(content, "年  龄:,\\n");//age=44
        }


        //
        protected static string GetContentStr(string content, string search)
        {

            if (string.IsNullOrEmpty(search)) return null;

            var arrsearch = search.Split(new string[] { "||" }, StringSplitOptions.RemoveEmptyEntries);//TODO:这句代码干嘛用,这个方法的逻辑****************************************************/
            {
                for (int i = 0; i < arrsearch.Length; i++)
                {
                    var ses = arrsearch[i].Split(new char[] { \',\' }, StringSplitOptions.RemoveEmptyEntries);

                    if (ses.Length == 1)//默认值   为啥*****************************/
                    {
                        return ses[0];
                    }

                    //如果有逗号隔开的，就用正则表达式进行搜索
                    var reg = new Regex(ses[0]);

                    var m = reg.Match(content);

                    if (m.Success)
                    {
                        reg = new Regex(ses[1]);
                        var index = m.Index + m.Length;
                        m = reg.Match(content, index);
                        if (m.Success)
                        {
                            var len = m.Index - index;
                            var re = content.Substring(index, len).Trim();
                            if (!string.IsNullOrEmpty(re) && !r.IsMatch(re) && !(r1.IsMatch(re) && re.Length >= 15))//搜索成功之后，用什么标准认为结果是我们要的？
                            {
                                return re.Trim();
                            }
                        }
                    }
                }

            }
            return null;
        }
    }
}