Discussion :

[yunisu]

On a un problème de rechercher un regex dans un pdf. Certains sont marchés mais autres non.
Voici mon code, merci d'avance pour la réponse.
Le pattern2 ca marche mais j'ai mis le patterne3 ne marche pas.
J'ai déjà essayé de mettre dans un guillemet("") et changer le pattern3 to string(pattern3.toString()) mais ça marche pas encore

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
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
 
 
    let pattern2 = "[a-zA-Z0-9._%+-]+[a-zA-Z0-9._%+-]+@[A-z]+[a-zA-Z0-9._%+-]+[a-zA-Z]";
    await search_redact(pattern2);
 
    const pattern3 = /\b(?:[A-Z]{2}[0-9]{6})\b/g
    await search_redact(pattern3 );
 
    function search_redact(pattern) {
        const main = async() => {
            try {
                const doc = await PDFNet.PDFDoc.createFromUFilePath(pdffile);
                doc.initSecurityHandler();
                doc.lock();
                const txtSearch = await PDFNet.TextSearch.create();
                let mode = (PDFNet.TextSearch.Mode.e_whole_word | PDFNet.TextSearch.Mode.e_highlight) + PDFNet.TextSearch.Mode.e_reg_expression;
                txtSearch.begin(doc, pattern, mode);
                let result = await txtSearch.run();
                while (true) {
 
                    if (result.code === PDFNet.TextSearch.ResultCode.e_found) {
                        let hlts = result.highlights;
                        hlts.begin(doc);
                        while ((await hlts.hasNext())) {
                            const quadArr = await hlts.getCurrentQuads();
                            for (let i = 0; i < quadArr.length; ++i) {
                                //Coordonnée du mot trouvé dans le pdf 
                                const currQuad = quadArr[i];
                                const x1 = Math.min(Math.min(Math.min(currQuad.p1x, currQuad.p2x), currQuad.p3x), currQuad.p4x);
                                const x2 = Math.max(Math.max(Math.max(currQuad.p1x, currQuad.p2x), currQuad.p3x), currQuad.p4x);
                                const y1 = Math.min(Math.min(Math.min(currQuad.p1y, currQuad.p2y), currQuad.p3y), currQuad.p4y);
                                const y2 = Math.max(Math.max(Math.max(currQuad.p1y, currQuad.p2y), currQuad.p3y), currQuad.p4y);
                                redact_create(x1, y1, x2, y2, result.page_num); //Mettre un redact dans le coordonnée designé
                                button_create(x1, y1, x2, y2, result.page_num); //Mettre un masque clickable dans le coordonnée designé
                                break;
                            }
                            hlts.next();
                            break;
                        }
                        while (await hlts.hasNext()) {
                            await hlts.next();
                        }
                    } else if (result.code === PDFNet.TextSearch.ResultCode.e_page) {
                        ////////////////////////////////////////
                    } else if (result.code === PDFNet.TextSearch.ResultCode.e_done) {
                        ///////////////////////////////////////
                        break;
                    }
                    result = await txtSearch.run();
                }
            } catch (err) {
                console.log(err);
            }

S'il vous plait, aide-moi

[NoSmoking]

Bonjour,
sans savoir vraiment ce que tu cherches à faire il va être difficile de t'aider

[CosmoKnacki]

À la lecture des exemples présentés sur le site de pdftron, les patterns semblent être écrites dans une chaîne de caractères, sans délimiteurs, avec les antislashs doublés. (autrement dit comme pour la pattern2 qui elle fonctionne).
Donc tente d'écrire: pattern3 = '\\b(?:[A-Z]{2}[0-9]{6})\\b'; ou plutôt pattern3 = '\\b[A-Z]{2}[0-9]{6}\\b'; puisque le groupe ne sert à rien.

Après si tu ne trouves rien, c'est peut-être que tu n'as pas bien décrit ce que tu cherches dans la pattern, ou que ce que tu cherches n'est pas présent dans le document.

[yunisu]

merci pour votre aide, le pattern3 ça marche dans un texte string sur le node mais le problème sur le pdf. Ca n'as pas encore résolu sur votre réponse.

[CosmoKnacki]

ce que tu cherches n'est pas présent dans le document

C'est un scénario plausible, reste à savoir pourquoi précisément!

je te conseille d'extraire par un autre moyen la partie du pdf où est censée se trouver la cible et de regarder s'il n'y a pas de caractères cachés entre les lettres et les chiffres que tu recherche. Quand je parle de caractères cachés, je pense en particulier au caractères Unicode U+2009 à U+200D qui sont soit des espaces très petits (que l'on peut rater à l'œil nu), soit des espaces dits "vide" de largeur nulle.

Essaye quelque chose comme: pattern3 = '\\b[A-Z]\\s?[A-Z]\\s?[0-9]\\s?[0-9]\\s?[0-9]\\s?[0-9]\\s?[0-9]\\s?[0-9]\\b'; en changeant éventuellement les quantificateurs ? par des *, puis si tu obtiens quelque chose en éliminant les \\s* ou \\s?les uns après les autres pour savoir précisément, si de tels caractères sont bien présents, où ils se trouvent.

Ce n'est qu'une hypothèse mais tu peux le tenter. Tu peux aussi essayer de supprimer les word-boundaries pour voir ce qui se passe.