Discussion :

[wafaa_H]

Bonjour à tous , il s'agit de ma première participation au forum et je suis contente d 'en faire partie ,

Ce qui est demandé est le calcule des mots dans un fichier pdf en utilisant vb.net

Mon idée été de récupérer le contenu du fichier dans une chaine de caractère et faire dessus un simple calcul des mots .
Le code ci dessous s 'exécute sans erreur mais pour un fichier PDF contenant 7 mots ça donne comme résultat 349 mots .

Qu'en pensez vous ?

Toutes vos remarques et idées sont les bienvenues .

Merci par avance .
******************

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
 
    Protected Sub Button1_Click(ByVal sender As Object, ByVal e As System.EventArgs) Handles Button1.Click
        'Open a file for reading
        Dim FILENAME As String = Server.MapPath("test.pdf")
 
        'Get a StreamReader class that can be used to read the file
        Dim objStreamReader As StreamReader
        objStreamReader = File.OpenText(FILENAME)
 
        'Now, read the entire file into a string
        Dim contents As String = objStreamReader.ReadToEnd()
 
        ' Count word in Contents string "
        Dim WordCounter As Integer = UBound(Split(Trim(Replace(contents, Space(2), Space(1))))) + 1
        MsgBox(WordCounter)
        objStreamReader.Close()
    End Sub
End Class

**************

[DonQuiche]

Bonjour, tu as ouvert ton fichier "pdf" comme s'il s'agissait d'un fichier texte, comme si son contenu binaire était celui d'une chaîne de caractères. Essaye donc d'ouvrir un fichier ".pdf" dans un simple éditeur de texte (notepad par exemple) et tu comprendras le problème. En somme, ton code ordonne de traiter ton "pdf" comme un fichier "txt".

Il va te falloir une bibliothèque comprenant le format pdf pour achever ce que tu veux faire.

File.OpenText dans ton esprit :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
 
var content = LireContenuBinaire()
var format = Examiner52345FormatsDifférentsPourEnDéduireLeBon(content)
var texte = ExtraireTexte(format, content);
var café = PréparerLeCafé(DemanderAuProgrammeurAvecOuSansSucre())
return texte + café;

File.OpenText dans la réalité :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
 
var content = LireContenuBinaire()
return InterpréterContenuCommeTexteUTF8(content);

[wafaa_H]

Bonjour,

Merci beaucoup de ta réponse surtout pour les exemples ! Une bibliothèque comprenant le format PDF existe-t-elle tu penses ? Car ça fait plusieurs heures que je cherche mais en vain .

Merci de votre aide .

[DonQuiche]

Je t'en prie. Il en existe à la pelle, la plus connue est PDFSharp. Pour les recherches google, je te conseille d'utiliser "motclé c#" comme requête plutôt que "motclé dotnet" ou autres, on trouve typiquement plus de résultats ainsi...

[wafaa_H]

Bonsoir ,

En faisant des recherches sur l’utilisation de la bibliothèque PdfSharp , j’ai trouvé la PDFBox qui est une bibliothèque qui permet entre autres de convertir un pdf to txt ,après avoir ajouté les références suivantes :
(IKVM.GNU.Classpath.dll , IKVM.Runtime.dll et PDFBox-0.7.2.dll),
ce qui m’a permet après de faire facilement mon calcul des mots . Et ça marche

Merci encore une fois de ton aide .
-------------------------------------------------
Code :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
Imports org.pdfbox.pdmodel
Imports org.pdfbox.util
Partial Class _Default
 
    Inherits System.Web.UI.Page
 
 
    Sub Page_Load(ByVal sender As Object, ByVal e As EventArgs)
 
    End Sub
 
    Protected Sub Button1_Click(ByVal sender As Object, ByVal e As System.EventArgs) Handles Button1.Click
 
        'convert pdf file to txt file
        'Extract text from file
        Dim objDocument As PDDocument = PDDocument.load(Server.MapPath("test.pdf"))
        Dim objTextStripper As New PDFTextStripper()
        Dim pdftext As String = objTextStripper.getText(objDocument)
 
        ' Count word in pdftext string "
 
        Dim wordColl As MatchCollection = Regex.Matches(pdftext, "[\S]+")
        Console.WriteLine(wordColl.Count.ToString())
        MsgBox(wordColl.Count.ToString())
 
    End Sub
 
 
End Class

-------------------------------------------------