关于page.ExtractText精准提取PDF发票内容咨询

[wjmo_520]

你好，我在使用spire.pdf 7.2.6 提取PDF发票上的文字信息 当中用了

Code: Select all

PdfPageBase page = doc.Pages[0];//仅获取第一页
string name=page.ExtractText(new RectangleF(460, 20, 100, 10))


虽然能提取指定区域坐标的文字内容，但是仍会有一定的偏差（具体表现在识别某些发票文字不完整或者识别后缺少文字等情况）
请教下如何才能更精准的提取不同类型发票上的内容？并且RectangleF里面的x,y坐标是如何定位的？

盼复，谢谢~

[rachel.lei]

您好，

感谢您的咨询。
我们产品提取文本的逻辑是，文本内容至少要有一半在提取区域内才能被正确提取出来。请确保您需要提取的文本的全部字符，是包含在您指定的矩形区域范围内的。

我们产品的x，y坐标是以文档的左上角为原点的。关于精确得到文本所在的矩形区域，如果您的文档都是相同的模板，那么您可以参考下面的代码通过查找文本来获取它的矩形区域，然后基于这个矩形区域进行提取文本。

Code: Select all

            PdfDocument pdf = new PdfDocument();
            pdf.LoadFromFile("input.pdf");
            PdfTextFind[] result = null;
            foreach (PdfPageBase page in pdf.Pages)
            {
                result = page.FindText("key word", TextFindParameter.None).Finds;
                foreach (PdfTextFind find in result)
                {
                    RectangleF rect = find.Bounds;
                }
            }

Sincerely,
Rachel
E-iceblue support team

[wjmo_520]

您好，

感谢您的咨询。
我们产品提取文本的逻辑是，文本内容至少要有一半在提取区域内才能被正确提取出来。请确保您需要提取的文本的全部字符，是包含在您指定的矩形区域范围内的。

我们产品的x，y坐标是以文档的左上角为原点的。关于精确得到文本所在的矩形区域，如果您的文档都是相同的模板，那么您可以参考下面的代码通过查找文本来获取它的矩形区域，然后基于这个矩形区域进行提取文本。

Code: Select all

            PdfDocument pdf = new PdfDocument();
            pdf.LoadFromFile("input.pdf");
            PdfTextFind[] result = null;
            foreach (PdfPageBase page in pdf.Pages)
            {
                result = page.FindText("key word", TextFindParameter.None).Finds;
                foreach (PdfTextFind find in result)
                {
                    RectangleF rect = find.Bounds;
                }
            }

Sincerely,
Rachel
E-iceblue support team

好的 非常感谢你的帮助~ 我重新尝试下 ，谢谢！

[rachel.lei]

不客气，

如果您还有其他疑问，欢迎随时联系我们！

Sincerely,
Rachel
E-iceblue support team