/// <summary>
/// Devuelve el nombre de archivo incluyendo la ruta
/// donde se almacenan los patrones para un documento
/// determinado.
/// </summary>
/// <param name="compareResult">Resuiltado de comparación.</param>
/// <returns>Ruta completa al archivo.</returns>
public static string GetPath(PdfCompareResult compareResult)
{
/*return $"{GetDirectory(compareResult.DocCategory)}"+
* $"{GetFileName(compareResult.DocID)}";*/
return($"C:\\ProgramData\\PdfTagger\\Patterns\\InvoicePdfTaggerOriginalModif\\" +
$"{GetFileName(compareResult.DocID)}");
}
/// <summary>
/// Ejecuta el aprendizaje de patrones sobre unos
/// metadatos de factura y datos leídos de pdf previos.
/// </summary>
public void ExecutePatternsLearning()
{
if (string.IsNullOrEmpty(Pdf.DocID))
{
throw new InvalidOperationException("Es necesario un valor Pdf.DocID.");
}
PdfCompareResult compareResult = PdfCompare.Compare(new BusinessInvoiceHierarchySet(), Pdf, Invoice);
PdfTagPatternFactory.Save(compareResult);
}
/// <summary>
/// Guarda patrones obtenidos de una oparación de comparación
/// determinada.
/// </summary>
/// <param name="compareResult">Resultado de una comparación.</param>
public static void Save(PdfCompareResult compareResult)
{
// Si el archivo de patrones no existe creo un nuevo
string file = GetPath(compareResult);
if (!File.Exists(file))
{
Create(compareResult, file);
}
else
{
Update(compareResult, file);
}
}
/// <summary>
/// Actualiza un almacén de patrones.
/// </summary>
/// <param name="compareResult">Resultado de una comparación.</param>
/// <param name="path">Ruta del store.</param>
private static void Update(PdfCompareResult compareResult, string path)
{
// Si el archivo de patrones existe, lo actualizo con los nuevos
// resultados (inserto nuevos, elimina sobrantes poco efectivos, y
// actualizo matchCount.
PdfTagPatternStore originalStore = GetStore(path);
PdfTagPatternStore currentStore = GetStore(compareResult);
List <PdfTagPattern> newPdfPatterns = new List <PdfTagPattern>();
foreach (var tagPattern in currentStore.PdfPatterns)
{
int indexOriginal = originalStore.PdfPatterns.IndexOf(tagPattern);
if (indexOriginal == -1)
{
newPdfPatterns.Add(tagPattern);
}
else
{
originalStore.PdfPatterns[indexOriginal].MatchesCount++;
}
}
int originalCount = originalStore.PdfPatterns.Count;
int available = Settings.Current.MaxPatternCount -
originalCount - newPdfPatterns.Count;
if (available < 0)
{
for (int i = originalCount - 1;
(i >= (originalCount + available)) && i >= 0; i--)
{
originalStore.PdfPatterns.RemoveAt(i);
}
}
originalStore.PdfPatterns.AddRange(newPdfPatterns);
originalStore.CompareCount++;
originalStore.PdfPatterns.Sort();
XmlParser.SaveAsXml(originalStore, path);
}
/// <summary>
/// Obtiene un almacén de patrones a partir de unos
/// resultados de comparación.
/// </summary>
/// <param name="compareResult">Resultados de comparación.</param>
/// <returns>Almacén de patrones.</returns>
private static PdfTagPatternStore GetStore(PdfCompareResult compareResult)
{
PdfTagPatternStore store = new PdfTagPatternStore
{
DocCategory = compareResult.DocCategory,
DocID = compareResult.DocID,
HierarchySetName = compareResult.HierarchySetName,
MetadataName = compareResult.MetadataName,
CompareCount = 1
};
foreach (var info in compareResult.WordGroupsInfos)
{
PdfTagPattern pattern = info.GetPdfTagPattern();
pattern.SourceTypeName = "WordGroupsInfos";
if (store.PdfPatterns.IndexOf(pattern) == -1)
{
store.PdfPatterns.Add(pattern);
}
}
foreach (var info in compareResult.LinesInfos)
{
PdfTagPattern pattern = info.GetPdfTagPattern();
pattern.SourceTypeName = "LinesInfos";
if (store.PdfPatterns.IndexOf(pattern) == -1)
{
store.PdfPatterns.Add(pattern);
}
}
foreach (var info in compareResult.PdfTextInfos)
{
PdfTagPattern pattern = info.GetPdfTagPattern();
pattern.SourceTypeName = "PdfTextInfos";
if (store.PdfPatterns.IndexOf(pattern) == -1)
{
store.PdfPatterns.Add(pattern);
}
}
List <PdfTagPattern> usedPatterns = new List <PdfTagPattern>();
foreach (var info in compareResult.ColorFontWordGroupsInfos)
{
PdfTagPattern pattern = info.GetPdfTagPattern();
pattern.SourceTypeName = "ColorFontWordGroupsInfos";
if (store.PdfPatterns.IndexOf(pattern) == -1)
{
store.PdfPatterns.Add(pattern);
}
else
{ // Intentamos quitar los falsos positivos.
if (!usedPatterns.Contains(pattern))
{
usedPatterns.Add(pattern);
}
}
}
// Rutina de eliminación de patrones que tengan más de una aparición. (Quita los falsos positivos).
foreach (PdfTagPattern usedPattern in usedPatterns)
{
store.PdfPatterns.Remove(usedPattern);
}
return(store);
}
/// <summary>
/// Crea un nuevo almacén de patrones.
/// </summary>
/// <param name="compareResult">Resultado de una comparación.</param>
/// <param name="path">Ruta del store.</param>
private static void Create(PdfCompareResult compareResult, string path)
{
PdfTagPatternStore store = GetStore(compareResult);
XmlParser.SaveAsXml(store, path);
}
/// <summary>
/// Devuelve el nombre de archivo incluyendo la ruta
/// donde se almacenan los patrones para un documento
/// determinado.
/// </summary>
/// <param name="compareResult">Resuiltado de comparación.</param>
/// <returns>Ruta completa al archivo.</returns>
public static string GetPath(PdfCompareResult compareResult)
{
return($"{GetDirectory(compareResult.DocCategory)}" +
$"{GetFileName(compareResult.DocID)}");
}
