我对整个C#东西还很陌生,并尝试以更实际的方式学习它,以获取更多的兴趣和理解。我有一个解析PDF https://slicedinvoices.com/pdf/wordpress-pdf-invoice-plugin-sample.pdf文件并且运行良好的代码。但是,我想写内存而不是控制台,以便以后从中搜索InvoiceNumber。
我当前用于写入控制台的代码:
using iTextSharp.text.pdf;
using iTextSharp.text.pdf.parser;
using System;
using System.Collections.Generic;
using System.IO;
using System.Text;
namespace PDF_file_reader
{
class Program
{
static void Main(string[] args)
{
List<int> InvoiceNumbers = new List<int>();
string filePath = @"C:\temp\parser\Invoice_Template.pdf";
int pagesToScan = 2;
string strText = string.Empty;
try
{
PdfReader reader = new PdfReader(filePath);
for (int page = 1; page <= pagesToScan; page++) //(int page = 1; page <= reader.NumberOfPages; page++) <- for scanning all the pages in A PDF
{
ITextExtractionStrategy its = new LocationTextExtractionStrategy();
strText = PdfTextExtractor.GetTextFromPage(reader, page, its);
strText = Encoding.UTF8.GetString(ASCIIEncoding.Convert(Encoding.Default, Encoding.UTF8, Encoding.Default.GetBytes(strText)));
//creating the string array and storing the PDF line by line
string[] lines = strText.Split('\n');
foreach (string line in lines)
{
{
//Console.WriteLine($"<{line}>");
Console.WriteLine(line.ToString());
}
}
Console.Read();
}
}
catch (Exception ex)
{
Console.Write(ex);
}
}
}
}
这是控制台中的输出:
如何写入InvoiceNumbers列表而不是控制台,我现在在做什么,并从中进行搜索?我猜用当前的设置搜索是不可能的?
仅需注意,在{
周围的}
循环中还有一组额外的foreach
Console.Writeline()
,可以删除。
如果您要存储屏幕快照中突出显示的整个发票号(“ INV-3337”,而不仅仅是“ 3337”,则InvoiceNumbers
必须是字符串列表,而不是整数。
我假设发票总是一样的,或者号码总是一样的格式(即“发票号'INV-####”),您可以在[C0 ]循环。由于每个foreach
是一个字符串,因此您可以检查line
是否包含“发票编号”。如果是这样,则可以将其添加到line
并删除短语“发票编号”。然后修剪它以消除任何空格。在InvoiceNumbers
之上或之下,您只需添加:
Console.Writeline(line.ToString());
((我使用if (line.Contains("Invoice Number"))
InvoiceNumbers.Add(line.Replace("Invoice Number", "").Trim());
而不是Replace()
,因为您可能需要知道要删除的词组的开始和结束位置。在我看来,Remove()
是在这种特殊情况下最安全的路线)] >
您也可以在Replace()
语句中添加break;
。这将停止if
循环。提取发票编号后,就没有理由浏览文档的其余部分,除非一个文档中有多个发票。
foreach
如果要在列表中搜索特定的发票编号,
if (line.Contains("Invoice Number")) { InvoiceNumbers.Add(line.Replace("Invoice Number", "").Trim()); break; }
应该可以帮助您。
这是假定
,唯一的区别是实际数字。如果不是,您可以始终查看this answer并寻找“ INV- \ d *”之类的模式。也可以假设发票编号格式始终相同。