/// <summary>
/// Ejecuta patrones los extracción de textos
/// almacenados.
/// </summary>
/// <param name="pdf"></param>
/// <returns></returns>
public PdfTagExtractionResult Extract(PdfUnstructuredDoc pdf)
{
PdfTagExtractionResult result = new PdfTagExtractionResult()
{
Pdf = pdf,
MetadataType = Type.GetType(MetadataName)
};
_Converters = new Dictionary <Type, object>();
IHierarchySet hierarchySet = GetHierarchySet();
foreach (var page in pdf.PdfUnstructuredPages)
{
ExtractFromRectangles(page.WordGroups,
result.MetadataType, hierarchySet, result);
ExtractFromRectangles(page.Lines,
result.MetadataType, hierarchySet, result, "LinesInfos");
ExtractFromText(result.MetadataType, result, page, hierarchySet);
ExtractFromTextStrings(page.TextStringGroups,
result.MetadataType, hierarchySet, result);
}
result.Converters = _Converters;
result.GetMetadata();
return(result);
}
/// <summary>
/// Ejecuta los patrones de extracción de textos
/// almacenados.
/// </summary>
/// <param name="pdf">Archivo PDF sobre el que extraer.</param>
/// <returns></returns>
public PdfTagExtractionResult Extract(PdfUnstructuredDoc pdf)
{
PdfTagExtractionResult result = new PdfTagExtractionResult()
{
Pdf = pdf,
MetadataType = Type.GetType(MetadataName)
};
_Converters = new Dictionary <Type, object>();
IHierarchySet hierarchySet = GetHierarchySet();
PdfPatternsPage = new Dictionary <int, List <PdfTagPattern> >();
foreach (PdfTagPattern pattern in PdfPatterns) // Evitar que los bucles de extracción recorran siempre todos los patrones idependientemente del número de página.
{
if (PdfPatternsPage.ContainsKey(pattern.PdfPageN))
{
PdfPatternsPage[pattern.PdfPageN].Add(pattern);
}
else
{
PdfPatternsPage[pattern.PdfPageN] = new List <PdfTagPattern>()
{
pattern
}
};
}
foreach (var page in 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;
result.GetMetadata();
return(result);
}
