Hledat text podle regulárního výrazu (regex)

Úvod

V tomto tutoriálu se ponoříme do používání GroupDocs.Parser pro .NET k vyhledávání textu podle regulárního výrazu (Regex) v dokumentech. GroupDocs.Parser je výkonná knihovna, která umožňuje vývojářům extrahovat text a metadata z různých formátů souborů, jako jsou PDF, DOCX, XLSX a další. Hledání textu pomocí regulárních výrazů je zvláště užitečné pro efektivní vyhledávání vzorů nebo specifického obsahu v dokumentech.

Předpoklady

Než se pustíte do tohoto návodu, ujistěte se, že máte následující:

  1. Visual Studio: Nainstalujte Visual Studio IDE pro vývoj .NET.
  2. GroupDocs.Parser for .NET: Stáhněte a nainstalujte GroupDocs.Parser pro .NET ztady.
  3. Vzorový soubor: Připravte vzorový dokument (PDF, DOCX atd.) pro testování funkčnosti vyhledávání.

Import jmenných prostorů

Nejprve začněte zahrnutím potřebných jmenných prostorů do kódu C#:

using System;
using System.Collections.Generic;
using System.Text;
using GroupDocs.Parser.Data;
using GroupDocs.Parser.Options;

Krok 1: Vytvořte instanci třídy analyzátoru

Vytvořte instanciParser třídy poskytnutím cesty k vašemu ukázkovému souboru:

using (Parser parser = new Parser("YourSampleFile.pdf"))
{
    // Kód jde sem
}

Nahradit"YourSampleFile.pdf" s cestou k vašemu skutečnému souboru.

Krok 2: Vyhledávání pomocí regulárního výrazu

Definujte a spusťte vyhledávání pomocí vzoru regulárních výrazů. Chcete-li například najít číselné sekvence (např. celá čísla) v dokumentu:

IEnumerable<SearchResult> searchResults = parser.Search("[0-9]+", new SearchOptions(true, false, true));

V tomto příkladu[0-9]+ je vzor regulárního výrazu, který odpovídá jedné nebo více číslicím.

Krok 3: Zkontrolujte podporu vyhledávání

Ověřte, zda je operace vyhledávání podporována pro daný typ dokumentu:

if (searchResults == null)
{
    Console.WriteLine("Search isn't supported");
    return;
}

Krok 4: Opakujte výsledky vyhledávání

Projděte si výsledky vyhledávání a zpracujte každou shodu:

foreach (SearchResult result in searchResults)
{
    Console.WriteLine($"At {result.Position}: {result.Text}");
}

Tato smyčka vytiskne pozici a odpovídající text nalezený v dokumentu.

Závěr

Závěrem lze říci, že využití GroupDocs.Parser pro .NET umožňuje efektivní vyhledávání textu pomocí regulárních výrazů v různých formátech dokumentů. Podle této příručky mohou vývojáři bez problémů integrovat analýzu dokumentů a extrakci textu na základě regulárních výrazů do svých aplikací .NET.

FAQ

Může GroupDocs.Parser vyhledávat v zašifrovaných dokumentech?

Ne, GroupDocs.Parser nemůže vyhledávat v zašifrovaných nebo heslem chráněných dokumentech.

Podporuje GroupDocs.Parser OCR (optické rozpoznávání znaků)?

Ne, GroupDocs.Parser neprovádí OCR. Spoléhá na extrakci textu z vnitřní struktury dokumentu.

Mohu hledat složité vzory pomocí regulárních výrazů?

Ano, GroupDocs.Parser podporuje plnohodnotné regulární výrazy, které umožňují komplexní porovnávání vzorů v dokumentech.

Které formáty dokumentů jsou podporovány pro extrakci textu?

GroupDocs.Parser podporuje širokou škálu formátů, včetně PDF, DOCX, XLSX, PPTX a dalších.

Je GroupDocs.Parser kompatibilní s .NET Core?

Ano, GroupDocs.Parser je kompatibilní s .NET Core pro vývoj napříč platformami.

Hledat text podle stránek Hledat text se zvýrazněním