iText7 .NET Поиск / Замена

Question

Я хочу найти в PDF-файле слово и заменить его. Например, найдите "неправильно" и замените на "правильно". Мне удалось создать тестовую программу с использованием iText v5.5.9 (любезно предоставлено http://www.codeguru.com/columns/vb/manipulating-pdf-files-with-itextsharp-and-vb.net-2012.htm), которая вроде работает нормально (заменяемый текст кажется сверху). Мне интересно, будет ли v7 iText лучше / проще, и если кто-то сделал это / может помочь. Ниже приведен тестовый код v5, который читает файл pdf из базы данных, используя пароль r / w, а затем записывает его с паролем r / w:

' Based on http://www.codeguru.com/columns/vb/manipulating-pdf-files-with-itextsharp-and-vb.net-2012.htm

Imports System.IO 'Working With Files
Imports System.Text 'Working With Text
Imports System.Data.SqlClient

Imports iTextSharp.text 'Core PDF Text Functionalities
Imports iTextSharp.text.pdf 'PDF Content
Imports iTextSharp.text.pdf.parser 'Content Parser

Imports pdf_clr.LocTextExtraction 'Import LocationTextExtractionStrategy Capabilities

Public Class Class1

Public Shared Sub ReplacePDFText(ByVal strSource As String, ByVal strDest As String, ByVal iDocType As SByte, ByVal strSearch As String, ByVal strReplace As String, ByVal bCase As Boolean)
    ' strSource is an int
    Dim i As Integer
    Dim strSqlConnection As String = "context connection=true"
    strSqlConnection = "Data Source=SERVER;Initial Catalog=DATABASE;Integrated Security=True"
    Dim dbPDF As Byte() = Nothing 'For doc from database
    Dim pcbContent As PdfContentByte = Nothing 'Read PDF Content
    Dim psStamp As PdfStamper = Nothing 'PDF Stamper Object
    Dim strPassword As String = strSource

    Using connection As New SqlConnection(strSqlConnection)
        connection.Open()
        Dim command As New SqlCommand("SELECT pdf FROM docstore WHERE id=" & strSource, connection)
        dbPDF = command.ExecuteScalar()
    End Using

    If IsNothing(dbPDF) <> True Then 'Check if dbPDF filled

        'Dim pdfFileReader As New PdfReader(strSource, Encoding.ASCII.GetBytes(strPassword)) 'Read Our File
        Dim pdfFileReader As New PdfReader(dbPDF, Encoding.ASCII.GetBytes(strPassword)) 'Read PDF

        If strDest.ToString = "" Then
            'strDest = System.IO.Path.GetTempPath() & System.IO.Path.GetRandomFileName()
            strDest = "C:\tmp\" & System.IO.Path.GetRandomFileName() & ".pdf"
        End If

        Dim msPDF As New MemoryStream()

        psStamp = New PdfStamper(pdfFileReader, msPDF) 'Memorystream as destination
        psStamp.Writer.CloseStream = False

        ' set r/w password to
        psStamp.SetEncryption(Nothing, Encoding.ASCII.GetBytes(strPassword), PdfWriter.ALLOW_PRINTING, PdfWriter.DO_NOT_ENCRYPT_METADATA)

        For intCurrPage As Integer = 1 To pdfFileReader.NumberOfPages 'Loop Through All Pages

            Dim lteStrategy As LocTextExtractionStrategy = New LocTextExtractionStrategy 'Read PDF File Content Blocks

            pcbContent = psStamp.GetUnderContent(intCurrPage) 'Look At Current Block

            'Determine Spacing of Block To See If It Matches Our Search String
            lteStrategy.UndercontentCharacterSpacing = pcbContent.CharacterSpacing
            lteStrategy.UndercontentHorizontalScaling = pcbContent.HorizontalScaling

            'Trigger The Block Reading Process
            Dim currentText As String = PdfTextExtractor.GetTextFromPage(pdfFileReader, intCurrPage, lteStrategy)
            Dim scCase As StringComparison = IIf(bCase = 0, StringComparison.CurrentCultureIgnoreCase, StringComparison.CurrentCulture)

            'Call
            DoSearchReplace(lteStrategy, pcbContent, psStamp, strSearch, strReplace, scCase, "SearchReplaceLayer")

        Next 'page

        psStamp.Close() 'Close Stamp Destination Object

        msPDF.Position = 0

        dbPDF = msPDF.ToArray

        msPDF.Close()
        msPDF.Dispose()

        ' Write file as check during testing
        File.WriteAllBytes(strDest, dbPDF)

        If IsNumeric(strSource) And 1 = 1 Then
            Using connection As New SqlConnection(strSqlConnection)
                Dim cmd As New SqlCommand
                cmd.CommandText = "sp_DOCSTORE_ADD_binary" ' updates or inserts into db
                ' stored procedure parameters as needed
                cmd.Parameters.Add("@FILE", Data.SqlDbType.VarBinary) : cmd.Parameters("@FILE").Value = dbPDF
                cmd.Parameters.Add("@retvalue", Data.SqlDbType.Int).Direction = Data.ParameterDirection.ReturnValue
                cmd.CommandType = Data.CommandType.StoredProcedure
                cmd.Connection = connection

                connection.Open()

                i = cmd.ExecuteNonQuery()

            End Using
        End If

    End If

End Sub

Public Shared Sub DoSearchReplace(ByRef lteStrategy As LocTextExtractionStrategy, ByRef pcbContent As PdfContentByte, ByRef psStamp As PdfStamper, ByVal strSearch As String, ByVal strReplace As String, ByVal scCase As StringComparison, ByVal strLayer As String)
    'Determine Match(es)
    Dim lstMatches As List(Of iTextSharp.text.Rectangle) = lteStrategy.GetTextLocations(strSearch, scCase)
    Dim pdLayer As New PdfLayer(strLayer, psStamp.Writer) 'New layer and enable Overwriting Capabilities

    'Set Fill Colour Of Replacing Layer
    pcbContent.SetColorFill(BaseColor.WHITE)

    For Each rctRect As Rectangle In lstMatches 'Loop Through Each Match

        pcbContent.Rectangle(rctRect.Left, rctRect.Bottom, rctRect.Width, rctRect.Height) 'Create New Rectangle For Replacing Layer
        pcbContent.Fill() 'Fill With Colour Specified
        pcbContent.BeginLayer(pdLayer) 'Create Layer
        pcbContent.SetColorFill(BaseColor.DARK_GRAY) 'Fill Layer
        pcbContent.Fill() 'Fill Underlying Content

        Dim pgState As PdfGState 'Create GState Object
        pgState = New PdfGState()

        pcbContent.SetGState(pgState) 'Set Current State
        pcbContent.SetColorFill(BaseColor.BLACK) 'Fill Letters
        pcbContent.BeginText() 'Start Text Replace Procedure
        pcbContent.SetTextMatrix(rctRect.Left, rctRect.Bottom) 'Get Text Location

        'Set New Font And Size
        pcbContent.SetFontAndSize(BaseFont.CreateFont(BaseFont.HELVETICA_OBLIQUE, BaseFont.CP1252, BaseFont.NOT_EMBEDDED), 12)
        pcbContent.ShowText(strReplace) 'Replacing Text
        pcbContent.EndText() 'Stop Text Replace Procedure
        pcbContent.EndLayer() 'Stop Layer replace Procedure

    Next 'rectangle
End Sub

Приветствия.

Answer 1

Основная идея (псевдокод) будет

1. Реализация IEventListener/ITextExtractionStrategy
2. Используйте этот класс в качестве аргумента для PdfTextExtractor для каждой страницы вашего документа
3. Ваш класс будет уведомлен о каждом событии в документе. Вас интересуют события типа TextRenderInfo (события, которые отображают текст на странице)
4. Агрегируйте события TextRenderInfo и сортируйте их (в логическом порядке чтения), чтобы получить обзор текста в документе
5. Используйте регулярное выражение для поиска всего текста, который соответствует вашим желаемым свойствам, сопоставьте текст с объектами TextRenderInfo, откуда они пришли
6. Перестройте документ.pdf на основе собранных вами объектов TextRenderInfo и тех, которые вы хотите заменить.