/// <summary>
        /// Devuelve un patrón de búsqueda a partir de la
        /// instancia de coicidencia.
        /// </summary>
        /// <returns>Patrón de búsqueda.</returns>
        public PdfTagPattern GetPdfTagPattern()
        {
            PdfTextBaseRectangle rectangle = null;

            if (_PdfTextRectangle != null)
            {
                rectangle = new PdfTextBaseRectangle()
                {
                    Llx = _PdfTextRectangle.Llx,
                    Lly = _PdfTextRectangle.Lly,
                    Urx = _PdfTextRectangle.Urx,
                    Ury = _PdfTextRectangle.Ury
                }
            }
            ;
            else if (_PdfColorFontTextRectangle != null)
            {
                rectangle = new PdfTextBaseRectangle()
                {
                    Llx = _PdfColorFontTextRectangle.Llx,
                    Lly = _PdfColorFontTextRectangle.Lly,
                    Urx = _PdfColorFontTextRectangle.Urx,
                    Ury = _PdfColorFontTextRectangle.Ury
                };
            }


            string regexPattern = _TextMatch.Pattern ??
                                  TxtRegex.Replace(_TextMatch.TextValue);


            if (_PdfColorFontTextRectangle != null)
            {
                return new PdfTagPattern()
                       {
                           RegexPattern     = regexPattern,
                           Position         = _TextMatch.Position,
                           PdfPageN         = PdfPageN,
                           PdfRectangle     = rectangle,
                           MetadataItemName = MetadataItemName,
                           FillColor        = _PdfColorFontTextRectangle.FillColor,
                           StrokeColor      = _PdfColorFontTextRectangle.StrokeColor,
                           FontName         = _PdfColorFontTextRectangle.FontName,
                           FontSize         = _PdfColorFontTextRectangle.FontSize.ToString(),
                           CFType           = _PdfColorFontTextRectangle.Type
                       }
            }
            ;
            else
            {
                return new PdfTagPattern()
                       {
                           RegexPattern     = regexPattern,
                           Position         = _TextMatch.Position,
                           PdfPageN         = PdfPageN,
                           PdfRectangle     = rectangle,
                           MetadataItemName = MetadataItemName,
                       }
            };
        }
示例#2
0
        /// <summary>
        /// Devuelve las coincidencias entre los datos
        /// del pdf, y los metadatos facilitados.
        /// <code lang="C#">
        ///         // Partiendo de una entrada de datos no estructurados de pdf
        ///         PdfUnstructuredDoc pdf = new PdfUnstructuredDoc(@"C:\ProgramData\PdfTagger\Inbox\0000021101.pdf");
        ///
        ///         // y de un conjunto de datos estructurados
        ///         InvoiceMetadata metadata = new InvoiceMetadata();
        ///
        ///         metadata.InvoiceNumber = "1 / 33050";
        ///         metadata.BuyerPartyID = "ES - A12070330";
        ///         metadata.IssueDate = new DateTime(2017, 11, 30);
        ///         metadata.GrossAmount = 3646.50m;
        ///         metadata.TaxesOutputsBase01 = 3013.64m;
        ///         metadata.TaxesOutputsRate01 = 21m;
        ///         metadata.TaxesOutputsAmount01 = 632.86m;
        ///
        ///         PdfCompareResult compareResult = PdfCompare.Compare(new BusinessHierarchySet(), pdf, metadata);
        /// </code>
        /// <code lang="VB">
        ///       ' Partiendo de una entrada de datos no estructurados de pdf
        ///        Dim pdf As PdfUnstructuredDoc = New PdfUnstructuredDoc(@"C:\ProgramData\PdfTagger\Inbox\0000021101.pdf")
        ///
        ///        ' y de un conjunto de datos estructurados
        ///        Dim metadata As InvoiceMetadata = New InvoiceMetadata()
        ///
        ///        metadata.InvoiceNumber = "1 / 33050"
        ///        metadata.BuyerPartyID = "ES - A12070330"
        ///        metadata.IssueDate = New Date(2017, 11, 30)
        ///        metadata.GrossAmount = CDec(3646.5)
        ///        metadata.TaxesOutputsBase01 = CDec(3013.64)
        ///        metadata.TaxesOutputsRate01 = 21
        ///        metadata.TaxesOutputsAmount01 = CDec(632.86)
        ///
        ///        Dim compareResult As PdfCompareResult = PdfCompare.Compare(New BusinessHierarchySet(), pdf, metadata)
        /// </code>
        /// </summary>
        /// <param name="hierarchySet">Catalogo de jerarquías de analizadores
        /// por tipo. La operación utilizara para comparar cada tipo de variable
        /// el parser obtenido del catálogo. La comparación se irá ejecutando
        /// por cada uno de los parsers según su orden en la jerarquía, hasta
        /// que se encuentre un valor coincidente o se llegue al final
        /// de la jerarquía.</param>
        /// <param name="pdf">Instancia de la clase PdfUnstructuredDoc fruto
        /// del análisis y obtención de los datos no estructurados de un pdf.</param>
        /// <param name="metadata">Datos estructurados a comparar con los
        /// datos no estructurados obtenidos del pdf.</param>
        /// <returns>Instancia de la clase PdfCompareResult con
        /// los resultados obtenidos de la comparación.</returns>
        public static PdfCompareResult Compare(IHierarchySet hierarchySet,
                                               PdfUnstructuredDoc pdf, IMetadata metadata)
        {
            PdfCompareResult compareResult = new PdfCompareResult(pdf, metadata, hierarchySet);

            foreach (PropertyInfo pInf in metadata.GetType().GetProperties())
            {
                object pValue = pInf.GetValue(metadata);

                // Obtengo la jerarquía de analizadores
                ITextParserHierarchy parserHierarchy = hierarchySet.GetParserHierarchy(pInf);

                if (pInf.PropertyType == typeof(string))
                {
                    parserHierarchy.SetParserRegexPattern(0, TxtRegex.Replace($"{pValue}"));
                }

                // Recorro todos los datos del pdf que quiero comparar
                if (parserHierarchy != null && pValue != null && !IsZeroNumeric(pValue))
                {
                    foreach (var page in pdf.PdfUnstructuredPages)
                    {
                        // Grupos de palabras
                        foreach (var wordGroup in page.WordGroups)
                        {
                            foreach (var match in parserHierarchy.GetMatches(pValue, wordGroup.Text))
                            {
                                compareResult.WordGroupsInfos.Add(new PdfCompareInfo(pdf, page, wordGroup, match, pInf, null));
                            }
                        }

                        // Grupos de líneas
                        foreach (var line in page.Lines)
                        {
                            foreach (var match in parserHierarchy.GetMatches(pValue, line.Text))
                            {
                                compareResult.LinesInfos.Add(new PdfCompareInfo(pdf, page, line, match, pInf, null));
                            }
                        }

                        // Grupos de texto con porpiedades como el color de la fuente
                        foreach (var textString in page.TextStringGroups)
                        {
                            foreach (var match in parserHierarchy.GetMatches(pValue, textString.Text))
                            {
                                PdfClownTextString tsNA = new PdfClownTextString(textString.Text, textString.ColorFill, textString.ColorStroke, textString.FontType, textString.FontSize)
                                {
                                    Rectangle = textString.Rectangle,
                                    Type      = "NA"
                                };

                                PdfClownTextString tsX = new PdfClownTextString(textString.Text, textString.ColorFill, textString.ColorStroke, textString.FontType, textString.FontSize)
                                {
                                    Type      = "X",
                                    Rectangle = textString.Rectangle
                                };

                                PdfClownTextString tsY = new PdfClownTextString(textString.Text, textString.ColorFill, textString.ColorStroke, textString.FontType, textString.FontSize)
                                {
                                    Type      = "Y",
                                    Rectangle = textString.Rectangle
                                };

                                compareResult.TextStringInfos.Add(new PdfCompareInfo(pdf, page, null, match, pInf, tsNA));
                                compareResult.TextStringInfos.Add(new PdfCompareInfo(pdf, page, null, match, pInf, tsX));
                                compareResult.TextStringInfos.Add(new PdfCompareInfo(pdf, page, null, match, pInf, tsY));
                            }
                        }


                        foreach (var match in parserHierarchy.GetMatches(pValue, page.PdfText))
                        {
                            Type       txtBoundMatchGenType = typeof(TextBoundMatch <>).MakeGenericType(pInf.PropertyType);
                            ITextMatch txtBoundMatch        = (ITextMatch)Activator.CreateInstance(txtBoundMatchGenType, match);
                            ITextMatch txtBoundMatchSoft    = (ITextMatch)Activator.CreateInstance(txtBoundMatchGenType, match);
                            (txtBoundMatchSoft as ITextBoundMatch).UseLengthOnPatternDigitReplacement = false;

                            if (txtBoundMatch.Pattern != null)
                            {
                                dynamic converter = parserHierarchy.GetConverter(match.Pattern);

                                // Límites contextuales
                                if (IsAllMatchesOK(txtBoundMatch, page, pValue, converter))
                                {
                                    compareResult.PdfTextInfos.Add(
                                        new PdfCompareInfo(pdf, page, null, txtBoundMatch, pInf, null));
                                }

                                // Límites contextuales menos estrictos
                                if (IsAllMatchesOK(txtBoundMatchSoft, page, pValue, converter))
                                {
                                    compareResult.PdfTextInfos.Add(
                                        new PdfCompareInfo(pdf, page, null, txtBoundMatchSoft, pInf, null));
                                }
                            }
                        }
                    }
                }
            }

            return(compareResult);
        }
示例#3
0
        /// <summary>
        /// Devuelve un patrón de búsqueda a partir de la
        /// instancia de coicidencia.
        /// </summary>
        /// <returns>Patrón de búsqueda.</returns>
        public PdfTagPattern GetPdfTagPattern()
        {
            PdfTextBaseRectangle rectangle = null;

            string colorStroke = null;
            string colorFill   = null;
            string fontType    = null;
            string fontSize    = null;
            string type        = null;
            string coordinate  = null;

            if (_PdfClownTextString == null)
            {
                if (_PdfTextRectangle != null)
                {
                    rectangle = new PdfTextBaseRectangle()
                    {
                        Llx = _PdfTextRectangle.Llx,
                        Lly = _PdfTextRectangle.Lly,
                        Urx = _PdfTextRectangle.Urx,
                        Ury = _PdfTextRectangle.Ury
                    }
                }
                ;
            }
            else
            {
                try
                {
                    colorStroke = _PdfClownTextString.ColorStroke.BaseDataObject.ToString();
                    colorFill   = _PdfClownTextString.ColorFill.BaseDataObject.ToString();
                    fontSize    = _PdfClownTextString.FontSize.ToString();
                    fontType    = _PdfClownTextString.FontType.Name;
                    type        = _PdfClownTextString.Type;
                    if (_PdfClownTextString.Rectangle != null)
                    {
                        RectangleF?rect = _PdfClownTextString.Rectangle;
                        if (type.Equals("X"))
                        {
                            coordinate = _PdfClownTextString.Rectangle.Value.X.ToString();
                        }
                        else if (type.Equals("Y"))
                        {
                            coordinate = _PdfClownTextString.Rectangle.Value.Y.ToString();
                        }
                    }
                }
                catch
                {
                }
            }

            string regexPattern = _TextMatch.Pattern ??
                                  TxtRegex.Replace(_TextMatch.TextValue);

            return(new PdfTagPattern()
            {
                RegexPattern = regexPattern,
                Position = _TextMatch.Position,
                IsLastPage = (PdfPageN == _Pdf.PdfUnstructuredPages.Count),
                PdfPageN = PdfPageN,
                PdfRectangle = rectangle,
                MetadataItemName = MetadataItemName,
                ColorFill = colorFill,
                ColorStroke = colorStroke,
                FontSize = fontSize,
                FontType = fontType,
                TsType = type,
                TsCoordinate = coordinate
            });
        }