/// <summary>
/// Extrae el texto con los patrones aprendidos con tal de comparar si son falsos positivos.
/// </summary>
/// <param name="checkResult">PdfCheckResult para comparar los falsos positivos.</param>
/// <returns></returns>
public List <PdfTagPattern> ExtractToCheck(PdfCheckResult checkResult)
{
PdfTagExtractionResult result = new PdfTagExtractionResult()
{
Pdf = checkResult.Pdf,
MetadataType = Type.GetType(MetadataName)
};
_Converters = new Dictionary <Type, object>();
IHierarchySet hierarchySet = GetHierarchySet();
foreach (var page in checkResult.Pdf.PdfUnstructuredPages)
{
ExtractFromRectangles(page.WordGroups,
result.MetadataType, hierarchySet, result, page.PdfPageN);
ExtractFromRectangles(page.Lines,
result.MetadataType, hierarchySet, result, page.PdfPageN, "LinesInfos");
ExtractFromText(result.MetadataType, result, page, hierarchySet);
ExtractFromColorFontText(page.ColorFontWordGroups,
result.MetadataType, hierarchySet, result, page.PdfPageN);
}
result.Converters = _Converters;
return(result.CheckWithRightMetadata(checkResult.InvoiceMetadata)); // Comprobamos que los patrones que pasemos como resultado hayan extraído el texto correctamente.
}
/// <summary>
/// Devuelve el nombre de archivo incluyendo la ruta
/// donde se almacenan los patrones para un documento
/// determinado.
/// </summary>
/// <param name="checkResult">Resultado de comparación.</param>
/// <returns>Ruta completa al archivo.</returns>
public static string GetPath(PdfCheckResult checkResult)
{
/*return $"{GetDirectory(compareResult.DocCategory)}"+
* $"{GetFileName(compareResult.DocID)}";*/
return($"C:\\ProgramData\\PdfTagger\\Patterns\\InvoicePdfTaggerOriginalModif\\" +
$"{GetFileName(checkResult.DocID)}");
}
/// <summary>
/// Actualiza los patrones acumulando el número de falsos positivos encontrados para cada uno.
/// </summary>
/// <param name="checkResult">Objeto que contiene los patrones con falsos positivos.</param>
/// <param name="path">Ruta del fichero XML donde para almacenar los patrones.</param>
private static void UpdateCheck(PdfCheckResult checkResult, string path)
{
PdfTagPatternStore store = GetStore(path);
List <PdfTagPattern> newPdfPatterns = new List <PdfTagPattern>();
foreach (var tagPattern in checkResult.ErrorPatterns)
{
int indexOriginal = store.PdfPatterns.IndexOf(tagPattern);
store.PdfPatterns[indexOriginal].ErrorsCount++;
}
store.PdfPatterns.Sort();
XmlParser.SaveAsXml(store, path);
}
/// <summary>
/// Intenta la extracción de datos mediante patrones aprendidos.
/// Realiza una comparación entre metadata ya revisado y el texto extraído por los patrones.
/// </summary>
public void ExtractWithCheck(IMetadata metadata)
{
try
{
Store = PdfTagPatternFactory.GetStore(Pdf);
}
catch
{
}
CheckResult = new PdfCheckResult(Pdf, metadata);
if (Store != null)
{
Console.WriteLine("Extrayendo");
CheckResult.ErrorPatterns = Store.ExtractToCheck(CheckResult);
Console.WriteLine("Guardando");
PdfTagPatternFactory.SaveCheck(CheckResult);
}
}
/// <summary>
/// Actualiza el número de errores de los patrones.
/// </summary>
/// <param name="checkResult">Resuktado de una comprobación.</param>
public static void SaveCheck(PdfCheckResult checkResult)
{
string file = GetPath(checkResult);
UpdateCheck(checkResult, file);
}
