Pesquisar texto por expressão regular (Regex)

Introdução

Neste tutorial, nos aprofundaremos no uso do GroupDocs.Parser for .NET para pesquisar texto por expressão regular (Regex) em documentos. GroupDocs.Parser é uma biblioteca poderosa que permite aos desenvolvedores extrair texto e metadados de vários formatos de arquivo, como PDF, DOCX, XLSX e muito mais. A pesquisa de texto usando expressões regulares é particularmente útil para encontrar padrões ou conteúdo específico em documentos de forma eficiente.

Pré-requisitos

Antes de mergulhar neste tutorial, certifique-se de ter o seguinte:

1. Visual Studio: instale o IDE do Visual Studio para desenvolvimento .NET.
2. GroupDocs.Parser for .NET: Baixe e instale GroupDocs.Parser for .NET emaqui.
3. Arquivo de amostra: prepare um documento de amostra (PDF, DOCX, etc.) para testar a funcionalidade de pesquisa.

Importar namespaces

Primeiro, comece incluindo os namespaces necessários em seu código C#:

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

Etapa 1: crie uma instância da classe analisador

Instancie oParser class fornecendo o caminho para seu arquivo de amostra:

using (Parser parser = new Parser("YourSampleFile.pdf"))
{
    // O código vai aqui
}

Substituir"YourSampleFile.pdf" com o caminho para o seu arquivo real.

Etapa 2: pesquisa usando expressão regular

Defina e execute a pesquisa usando um padrão de expressão regular. Por exemplo, para encontrar sequências numéricas (por exemplo, inteiros) dentro do documento:

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

Neste exemplo,[0-9]+ é um padrão de expressão regular que corresponde a um ou mais dígitos.

Etapa 3: verifique o suporte de pesquisa

Verifique se a operação de pesquisa é suportada para o tipo de documento:

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

Etapa 4: iterar nos resultados da pesquisa

Itere pelos resultados da pesquisa e processe cada correspondência:

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

Este loop imprimirá a posição e o texto correspondente encontrado no documento.

Conclusão

Concluindo, aproveitar o GroupDocs.Parser for .NET permite uma pesquisa de texto eficiente usando expressões regulares em vários formatos de documentos. Seguindo este guia, os desenvolvedores podem integrar perfeitamente a análise de documentos e a extração de texto baseada em regex em seus aplicativos .NET.

Perguntas frequentes

GroupDocs.Parser pode pesquisar em documentos criptografados?

Não, o GroupDocs.Parser não pode pesquisar documentos criptografados ou protegidos por senha.

O GroupDocs.Parser oferece suporte a OCR (reconhecimento óptico de caracteres)?

Não, GroupDocs.Parser não executa OCR. Baseia-se na extração de texto da estrutura interna do documento.

Posso procurar padrões complexos usando expressões regulares?

Sim, GroupDocs.Parser oferece suporte a expressões regulares completas, permitindo correspondência de padrões complexos em documentos.

Quais formatos de documento são suportados para extração de texto?

GroupDocs.Parser oferece suporte a uma ampla variedade de formatos, incluindo PDF, DOCX, XLSX, PPTX e muito mais.

O GroupDocs.Parser é compatível com o .NET Core?

Sim, GroupDocs.Parser é compatível com .NET Core para desenvolvimento de plataforma cruzada.