Buenas estoy intentando hacer un programa para sacar información de un pdf, y cuando he dado el patrón regex que iba aplicar al texto, este no se comporta igual que las otras opciones que tengo para probar regex.(El texto que utilizo en regex101 es el que hay en la variable ExtractedText)
(?<=Empresa Española:).+?(?=Empresa Española)
Notas: Si solo pongo, "Empresa Española", me reconoce la mención de esas dos palabras todas la veces que aparecen en el texto.
¿Debería probar a generar otro patrón? ¿O hay alguna solución para que pueda utilizar en C# ese tipo de regex?
namespace espanya
{
class Program
{
static void Main ()
{
long length = new System.IO.FileInfo("morocco.pdf").Length;
string ExtractedText = ExtractTextFromPdf();
Regex namepattern = new Regex("@(?<=Empresa Española:).+?(?=Empresa Española)");
MatchCollection nname = namepattern.Matches(ExtractedText);
}
public static string ExtractTextFromPdf()
{
using (PdfReader reader = new PdfReader("morocco.pdf"))
{
StringBuilder text = new StringBuilder();
for (int i = 1; i <= reader.NumberOfPages; i++)
{
text.Append(PdfTextExtractor.GetTextFromPage(reader, i));
}
return text.ToString();
}
}
}
}