档案

在 PDF 文档中搜索特定文本是文档管理系统、法律审核工具、发票处理器和其他企业应用程序中的常见任务。无论您是试图查找关键字、提取某些值，还是删除敏感信息，自动化 PDF 搜索可以节省大量时间和精力。

在这篇博客文章中，您将学习如何使用 C# 以编程方式在 PDF 文件中搜索文本。我们将通过实用的 C# 代码示例逐步介绍关键功能。

这篇文章涵盖以下主题：

C# 库用于在 PDF 文档中搜索
在 C# 中搜索 PDF 文本
在 PDF 中进行不区分大小写的整体单词搜索
在 PDF 中使用正则表达式搜索
搜索并提取带有位置信息的文本
突出显示或替换找到的文本
在所有页面或特定页面中搜索
搜索和编辑敏感信息
免费资源

C# 库用于搜索 PDF 文档

Aspose.PDF for .NET 简化了使用 C# 在 PDF 文件中搜索文本的过程。它允许您查找确切的单词、使用正则表达式匹配模式，甚至可以突出显示或替换匹配的文本——这一切只需几行代码。这个强大的库提供了操作 PDF 文档的强大功能。它使开发人员能够轻松实现搜索功能。使用 Aspose.PDF，您可以快速在 PDF 中找到单词，使其成为软件开发人员不可或缺的工具。

在开始 PDF 文本搜索之前，您需要设置开发环境。按照以下步骤开始使用 Aspose.PDF for .NET：

1. 安装 Aspose.PDF for .NET。

从 releases 下载或通过 NuGet 安装。在 Visual Studio 中打开您的 .NET 项目，并在 NuGet 包管理控制台中运行以下命令：

PM> Install-Package Aspose.PDF

此命令将 Aspose.PDF 库添加到您的项目中，以便您可以访问其强大的 PDF 处理功能。

2. 导入所需的命名空间

在您的 C# 文件顶部，添加以下 using 指令：

using Aspose.Pdf;
using Aspose.Pdf.Text;

现在你准备好使用 Aspose.PDF 的 API 在你的 PDF 文件中搜索文本了。

在 C# 中搜索 PDF 文本

使用 Aspose.PDF for .NET，您可以轻松地在 PDF 中搜索特定的单词或短语，定位它们的所有实例，并采取高亮显示或提取其详细信息等操作。

按照以下步骤执行基本文本搜索：

使用 Document 类加载目标 PDF 文件。
创建一个 TextFragmentAbsorber 来定义搜索关键字。
通过使用 Accept() 方法在所有页面上运行吸收器。
检索所有匹配的文本片段。
打印找到的匹配数量。
遍历并显示每个匹配及其页码。

以下代码示例实现了这些步骤。

// 加载PDF文件
Document pdfDocument = new Document("sample.pdf");

// 创建一个文本吸收器，使用搜索关键字
TextFragmentAbsorber textFragmentAbsorber = new TextFragmentAbsorber("invoice");

// 将吸收器应用于所有页面
pdfDocument.Pages.Accept(textFragmentAbsorber);

// 获取匹配的文本片段
TextFragmentCollection textFragments = textFragmentAbsorber.TextFragments;

// 打印关键字被找到的次数
Console.WriteLine($"Found {textFragments.Count} instance(s) of the keyword.");

// 遍历并打印每个找到的文本
foreach (TextFragment fragment in textFragments)
{
    Console.WriteLine($"Text: {fragment.Text} | Page: {fragment.Page.Number}");
}

输出示例

Found 3 instance(s) of the keyword.
Text: invoice | Page: 1
Text: invoice | Page: 2
Text: invoice | Page: 3

这个示例演示了一个简单的关键字搜索，它可以跨所有页面在 PDF 中工作。您将看到匹配的文本及其页码。

理解PDF搜索中使用的关键类

为了更好地理解代码中发生的事情，以下是涉及的关键类和方法的快速分解：

文档：表示整个 PDF 文件。它提供对页面、内容和结构的访问。
TextFragmentAbsorber: 在 PDF 中查找给定字符串或模式的所有出现。您还可以启用不区分大小写或基于正则表达式的搜索等功能。
Accept(): 应用吸收器到每个页面。它扫描文档并收集匹配的片段。
TextFragments: 吸收器返回的所有匹配文本片段的集合。
TextFragment: 每个单独的匹配项包含内容、位置和页码等详细信息。

使用 C# 进行不区分大小写和完整单词搜索

当您搜索 PDF 内容时，您需要控制系统如何找到匹配项以确保结果准确。有时，您想忽略字母大小写("Invoice" 与 "invoice")，或者您想仅匹配完整单词——而不是其他单词中的部分匹配。

Aspose.PDF for .NET 为您提供了两者的工具。

不区分大小写的搜索

默认情况下，搜索是区分大小写的。要忽略字母大小写，请使用 TextSearchOptions 并启用 IgnoreCase：

// 加载 PDF 文件
Document pdfDocument = new Document("sample.pdf");

// 创建一个不区分大小写的文本吸收器的正则表达式
TextFragmentAbsorber textFragmentAbsorber = new TextFragmentAbsorber("(?i)INVOICE");

// 设置文本搜索选项以启用正则表达式使用
TextSearchOptions textSearchOptions = new TextSearchOptions(true);
textFragmentAbsorber.TextSearchOptions = textSearchOptions;

// 将吸收器应用于所有页面
pdfDocument.Pages.Accept(textFragmentAbsorber);

// 检索匹配的文本片段
TextFragmentCollection textFragments = textFragmentAbsorber.TextFragments;

// 输出找到的比赛数量
Console.WriteLine($"Found {textFragments.Count} instance(s) of the keyword.");

// 循环遍历并显示每个找到的文本片段
foreach (TextFragment fragment in textFragments)
{
    Console.WriteLine($"Text: {fragment.Text} | Page: {fragment.Page.Number}");
}

这将找到 "Invoice"、"invoice"、"INVOICE" 及其他变体。

仅匹配完整单词

您还可以防止部分匹配。例如，搜索 car 不应匹配 care 或 scar。

// 加载 PDF 文件
Document pdfDocument = new Document("sample.pdf");

// 创建一个使用正则表达式模式进行整体单词匹配的文本吸收器
TextFragmentAbsorber textFragmentAbsorber = new TextFragmentAbsorber(@"\bcar\b");

// 设置文本搜索选项以启用正则表达式使用
TextSearchOptions textSearchOptions = new TextSearchOptions(true);
textFragmentAbsorber.TextSearchOptions = textSearchOptions;

// 将吸收器应用于所有页面
pdfDocument.Pages.Accept(textFragmentAbsorber);

// 检索匹配的文本片段
TextFragmentCollection textFragments = textFragmentAbsorber.TextFragments;

// 输出找到的匹配数量
Console.WriteLine($"Found {textFragments.Count} instance(s) of the keyword.");

// 循环遍历并显示每个找到的文本片段
foreach (TextFragment fragment in textFragments)
{
    Console.WriteLine($"Text: {fragment.Text} | Page: {fragment.Page.Number}");
}

这确保只有单独的`car”一词实例被匹配。

在 PDF 中使用正则表达式进行搜索

在某些情况下，你需要找到的不仅仅是一个特定的单词——你想要匹配像日期、电子邮件地址或参考号码这样的模式。这就是正则表达式(regex)派上用场的地方。

Aspose.PDF for .NET 允许您使用正则表达式在 PDF 文档的任何部分进行高级文本搜索。

示例：在 PDF 中查找所有日期

让我们说您想要查找所有格式为 dd/mm/yyyy 的日期：

// 加载 PDF 并搜索文本
Document pdfDocument = new Document("sample.pdf");

// 在搜索选项中启用正则表达式
TextSearchOptions searchOptions = new TextSearchOptions(true)
{
    IsRegularExpressionUsed = true
};

// 创建具有日期模式的吸收器
TextFragmentAbsorber absorber = new TextFragmentAbsorber(@"\d{2}/\d{2}/\d{4}", searchOptions);

// 将吸收剂涂抹在页面上
pdfDocument.Pages.Accept(absorber);

// 循环并打印找到的模式
foreach (TextFragment fragment in absorber.TextFragments)
{
    Console.WriteLine($"Found date: {fragment.Text} on Page {fragment.Page.Number}");
}

其他有用的模式：

Emails: \b[A-Za-z0-9.%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b
Phone Numbers: \d{3}[-.\s]??\d{3}[-.\s]??\d{4}
发票号码: INV-\d+

正则表达式扩展了您的搜索能力，远远超出了静态文本，帮助您从非结构化文档中提取结构化数据。

搜索并提取文本及位置信息

有时候，仅仅找到文本是不够的——您可能需要确切知道它在 PDF 中出现的位置。Aspose.PDF 允许您提取每个匹配项的页码、坐标和格式详细信息。

此功能特别适用于构建索引、标记文档或创建可点击链接。

示例：获取每个匹配项的位置

// 加载 PDF 并搜索文本
Document pdfDocument = new Document("sample.pdf");
TextFragmentAbsorber absorber = new TextFragmentAbsorber("invoice");
pdfDocument.Pages.Accept(absorber);

// 获取匹配的片段
TextFragmentCollection fragments = absorber.TextFragments;

// 打印每个匹配的位置信息和文本
foreach (TextFragment fragment in fragments)
{
    Console.WriteLine($"Text: {fragment.Text}");
    Console.WriteLine($"Page: {fragment.Page.Number}");
    Console.WriteLine($"Position - X: {fragment.Position.XIndent}, Y: {fragment.Position.YIndent}");
    Console.WriteLine($"Font: {fragment.TextState.Font.FontName}, Size: {fragment.TextState.FontSize}");
    Console.WriteLine("------------");
}

Sample Output

Text: invoice
Page: 1
Position - X: 33.482, Y: 708.246
Font: Helvetica, Size: 12
------------
Text: invoice
Page: 2
Position - X: 33.482, Y: 708.246
Font: Helvetica, Size: 12
------------
Text: invoice
Page: 3
Position - X: 33.482, Y: 708.246
Font: Helvetica, Size: 12
------------

您现在确切知道`invoice”一词出现的位置以及它的样式。这种细节级别为高级处理打开了大门，例如注释、工具提示或动态高亮。

突出显示或替换找到的文本

一旦您在 PDF 中找到了特定文本，您可以通过高亮显示它或甚至用新内容替换它进一步操作。 Aspose.PDF for .NET 使您能够轻松使用 TextFragment 对象样式或修改匹配的文本。

在 PDF 中搜索和高亮文本

您可以通过更改文本的背景和字体颜色来直观地突出显示文本。

TextFragmentAbsorber absorber = new TextFragmentAbsorber("invoice");
pdfDocument.Pages.Accept(absorber);

foreach (TextFragment fragment in absorber.TextFragments)
{
    // Highlight by changing text appearance
    fragment.TextState.BackgroundColor = Color.Yellow;
    fragment.TextState.ForegroundColor = Color.Red;
    fragment.TextState.FontStyle = FontStyles.Bold;
}

这对审查、标注或生成注释报告很有用。

查找和替换文本

需要在文档中编辑或更新文本吗？只需直接替换即可：

foreach (TextFragment fragment in absorber.TextFragments)
{
    fragment.Text = "REDACTED";
}

您甚至可以在替换时应用新的格式：

fragment.TextState.FontSize = 12;
fragment.TextState.Font = FontRepository.FindFont("Arial");
fragment.TextState.ForegroundColor = Color.Black;

通过编程高亮和替换文本，可以自动化许多文档处理任务，例如清理模板、更新过时内容或审查私人数据。

在所有页面或特定页面中搜索

默认情况下，Aspose.PDF 会在 PDF 的所有页面中进行搜索。但有时，您可能希望将搜索限制在特定页面或一系列页面—尤其是在处理大文件或内容可预测时。

Aspose.PDF 使这两件事变得简单。

在所有页面上搜索(默认)

如果您不指定页面，吸收器将自动搜索每个页面。

TextFragmentAbsorber absorber = new TextFragmentAbsorber("invoice");
pdfDocument.Pages.Accept(absorber); // Searches all pages

在特定页面上搜索

您还可以通过直接定位单个页面来进行搜索：

TextFragmentAbsorber absorber = new TextFragmentAbsorber("invoice");

// Search only on page 2
pdfDocument.Pages[2].Accept(absorber);

在一系列页面上搜索

要搜索自定义范围(例如，页面 2 到 4)，只需遍历该范围：

TextFragmentAbsorber absorber = new TextFragmentAbsorber("invoice");

// Loop through selected pages
for (int i = 2; i <= 4; i++)
{
    pdfDocument.Pages[i].Accept(absorber);
}

这种方法使您能够全面控制性能和精确度，特别适用于扫描或分段文件。

高级用例：搜索和编辑敏感信息

在法律、HR 或财务文件中，隐藏敏感内容(如姓名、身份证号或账户号码)在共享之前是很常见的。Aspose.PDF for .NET 通过将搜索和编辑功能相结合，使这一过程变得简单。

您可以搜索术语，然后使用 RedactionAnnotation 应用黑色覆盖。

// 加载 PDF 并搜索文本
Document pdfDocument = new Document("sample.pdf");

// 搜索名字 "John Doe"
TextFragmentAbsorber absorber = new TextFragmentAbsorber("John Doe");
pdfDocument.Pages.Accept(absorber);

// 循环遍历找到的片段并进行编辑
foreach (TextFragment fragment in absorber.TextFragments)
{
    // 获取位置和尺寸
    Aspose.Pdf.Rectangle rect = new Aspose.Pdf.Rectangle(
        fragment.Position.XIndent,
        fragment.Position.YIndent,
        fragment.Position.XIndent + fragment.Rectangle.Width,
        fragment.Position.YIndent + fragment.Rectangle.Height
    );

    // 创建一个编辑注释
    RedactionAnnotation redaction = new RedactionAnnotation(fragment.Page, rect)
    {
        FillColor = Color.Black,
        Color = Color.Black
    };

    // 添加并应用编辑
    fragment.Page.Annotations.Add(redaction);
    redaction.Redact();
}
// 保存修改后的文档
pdfDocument.Save("SearchAndRedact.pdf");

发生了什么

目标文本("John Doe")已被找到并用黑框覆盖。
这不仅仅是视觉上的——它从 PDF 层中移除了内容，使其无法从文件中恢复。

获取免费许可证

现在您已经学会了如何使用 Aspose.PDF for .NET 在 PDF 中搜索、提取、突出显示和编辑文本，是时候将这些知识付诸实践了。

试试看：下载免费临时许可证，开始构建您自己的智能 PDF 工具。

在 PDF 中搜索：免费资源

想要超越仅仅在 PDF 中搜索文本吗？通过这些免费的、开发者友好的资源探索 Aspose.PDF for .NET 的全部功能：

开发者指南学习如何以编程方式创建、修改、转换和保护 PDF 文件。 Aspose.PDF for .NET Documentation
免费在线工具在您的浏览器中直接转换、合并、拆分和编辑 PDF 文件。 Aspose 免费 PDF 工具
API 参考了解更多关于 Aspose.PDF for .NET 中可用的类、属性和方法的信息，以加快您的开发。 Aspose.PDF API Reference
支持论坛向 Aspose 专家提问、报告问题并直接获取答案。 Aspose Support Forum

这些资源是免费的，旨在帮助您充分利用您的 PDF 开发之旅。

结论

在 PDF 文件中搜索文本是许多基于文档的应用程序的一个重要功能——无论是提取数据、审计内容，还是准备文件以进行编辑。使用 Aspose.PDF for .NET，您可以轻松执行关键字搜索，使用正则表达式，突出显示结果，甚至精确而控制地处理敏感信息。Aspose.PDF 提供了一个开发者友好的 API，简化了复杂的 PDF 操作——节省您的时间，同时实现强大的自动化。

如果您有任何问题或需要进一步的帮助，请随时通过我们的免费支持论坛联系我们。

见也

Remove Watermark from PDF

C# 库用于搜索 PDF 文档#

1. 安装 Aspose.PDF for .NET。#

2. 导入所需的命名空间#

在 C# 中搜索 PDF 文本#

理解PDF搜索中使用的关键类#

使用 C# 进行不区分大小写和完整单词搜索#

不区分大小写的搜索#

仅匹配完整单词#

在 PDF 中使用正则表达式进行搜索#

示例：在 PDF 中查找所有日期#

其他有用的模式：#

搜索并提取文本及位置信息#

示例：获取每个匹配项的位置#

Sample Output#

突出显示或替换找到的文本#

在 PDF 中搜索和高亮文本#

查找和替换文本#

在所有页面或特定页面中搜索#

在所有页面上搜索(默认)#

在特定页面上搜索#

在一系列页面上搜索#

高级用例：搜索和编辑敏感信息#

发生了什么#

获取免费许可证#

在 PDF 中搜索：免费资源#

结论#

见也#