/// <summary>
/// Construye una nueva instancia de la clase PdfCompareInfo.
/// </summary>
/// <param name="pdf">Instacia de la clase PdfUnstructuredDoc
/// que se utilizó para la comparación a la que pertenence
/// el info.</param>
/// <param name="pdfPage">Instancia de la clase PdfUnstructuredPage
/// de la colección PdfUnstructuredPages del pdf, sobre
/// la que se obtuvo el resultado contenido en el
/// info a crear.</param>
/// <param name="pdfTextRectangle">PdfTextRectangle sobre el que
/// se ha obetnido el resultado contenido en el info.</param>
/// <param name="textParserMatch">ITextParserMatch orígen del info.</param>
/// <param name="propertyInfo">PropetyInfo de la propiedad
/// de los metadatos de la cual se a comparado el valor y se
/// ha obtenido la coincidencia que ha generado el info.</param>
public PdfCompareInfo(PdfUnstructuredDoc pdf,
PdfUnstructuredPage pdfPage,
PdfTextRectangle pdfTextRectangle,
ITextMatch textParserMatch,
PropertyInfo propertyInfo)
{
_Pdf = pdf;
_PdfPage = pdfPage;
_PdfTextRectangle = pdfTextRectangle;
_TextMatch = textParserMatch;
_PropertyInfo = propertyInfo;
}
/// <summary>
/// Ejecuata la extracción basada en limites
/// textuales.
/// </summary>
/// <param name="metadataType">Tipo de la clase que implementa IMetadata.</param>
/// <param name="result">Resultado de extracción.</param>
/// <param name="page">PdfUnstructuredPage del doc. pdf.</param>
/// <param name="hierarchySet">Catálogo de jerarquías.</param>
private void ExtractFromText(Type metadataType,
PdfTagExtractionResult result, PdfUnstructuredPage page,
IHierarchySet hierarchySet)
{
foreach (var pattern in PdfPatterns)
{
if (pattern.PdfPageN == page.PdfPageN || pattern.IsLastPage) // Comprobamos que los patrones realicen la extracción sobre la página que les corresponde.
// Se comprueba la última página porque en algunos documentos viene primero los albaranes y al final la factura.
{
if (pattern.SourceTypeName == "PdfTextInfos")
{
foreach (Match match in Regex.Matches(page.PdfText, pattern.RegexPattern))
{
PropertyInfo pInf = metadataType.GetProperty(pattern.MetadataItemName);
if (pInf.PropertyType == typeof(string))
{
result.AddResult(pattern, match.Value);
}
else
{
dynamic converter = null;
if (_Converters.ContainsKey(pInf.PropertyType))
{
converter = _Converters[pInf.PropertyType];
}
else
{
ITextParserHierarchy parserHierarchy = hierarchySet.GetParserHierarchy(pInf);
converter = parserHierarchy.GetConverter(pInf.PropertyType);
if (converter == null)
{
Type converterGenType = typeof(Converter <>).MakeGenericType(pInf.PropertyType);
converter = Activator.CreateInstance(converterGenType);
}
}
object pValue = converter.Convert(match.Value);
result.AddResult(pattern, pValue);
}
}
}
}
}
}
/// <summary>
/// Devuelve true si la expresión regular sólo
/// devuelve resultados válidos.
/// </summary>
/// <param name="textBound">TextBound</param>
/// <param name="page">Página.</param>
/// <param name="value">Valor.</param>
/// <param name="converter">Converter.</param>
/// <returns></returns>
private static bool IsAllMatchesOK(ITextMatch textBound,
PdfUnstructuredPage page, object value, dynamic converter)
{
// Debo evaluar tanto los aciertos como los errores, por ejemplo un
// regex [\d\.\,]+(?=\s*€) devolverá aciertos en importes, pero también
// muchos falsos positivos. Sólo queremos generar las regex que sean
// significativas (es decir, que sólo devuelvan resultados buenos)
MatchCollection matches = Regex.Matches(page.PdfText, textBound.Pattern);
foreach (Match match in Regex.Matches(page.PdfText, textBound.Pattern))
{
if (!converter.Convert(match.Value).Equals(value))
{
return(false);
}
}
return(true);
}
/// <summary>
/// Ejecuata la extracción basada en limites
/// textuales.
/// </summary>
/// <param name="metadataType">Tipo de la clase que implementa IMetadata.</param>
/// <param name="result">Resultado de extracción.</param>
/// <param name="page">PdfUnstructuredPage del doc. pdf.</param>
private void ExtractFromText(Type metadataType,
PdfTagExtractionResult result, PdfUnstructuredPage page,
IHierarchySet hierarchySet)
{
foreach (var pattern in PdfPatterns)
{
if (pattern.SourceTypeName == "PdfTextInfos")
{
foreach (Match match in Regex.Matches(page.PdfText, pattern.RegexPattern))
{
PropertyInfo pInf = metadataType.GetProperty(pattern.MetadataItemName);
if (pInf.PropertyType == typeof(string))
{
result.AddResult(pattern, match.Value);
}
else
{
dynamic converter = null;
if (_Converters.ContainsKey(pInf.PropertyType))
{
converter = _Converters[pInf.PropertyType];
}
else
{
ITextParserHierarchy parserHierarchy = hierarchySet.GetParserHierarchy(pInf);
converter = parserHierarchy.GetConverter(pInf.PropertyType);
if (converter == null)
{
Type converterGenType = typeof(Converter <>).MakeGenericType(pInf.PropertyType);
converter = Activator.CreateInstance(converterGenType);
}
}
object pValue = converter.Convert(match.Value);
result.AddResult(pattern, pValue);
}
}
}
}
}
