VB.net Разделить PDF документ по заголовку или уникальному идентификатору.

Question

У меня есть сплиттер PDF, использующий ByteScout.PDFExtractor. Мой код ищет уникальный идентификационный заголовок, который " TP ###### SIGNED AFFIDAVIT "

# может быть любым целым числом от 0 до 9. Я использую регулярные выражения для поиска таких заголовков, как это:

Dim regexPattern = "\*TP[0-9]{6}\* \*SIGNED AFFIDAVIT\*"

Это работает. Дело в том, что он разбивает документ на страницу, поэтому, когда он разбивается, я получаю в своем каталоге следующее:

TP02433 SIGNED AFFIDAVIT 1
TP02433 SIGNED AFFIDAVIT 2
TP02433 SIGNED AFFIDAVIT 3
TP02354 SIGNED AFFIDAVIT 4
TP02354 SIGNED AFFIDAVIT 5
TP02354 SIGNED AFFIDAVIT 6 ...

У меня такой вопрос: что я могу сделать с моим кодом, чтобы, когда он находит, скажем, например, TP02433, он держал эти страницы вместе, пока не нашел следующий TP #?

Есть ли способ найти "* TP [0-9] {6} * * SIGNED AFFIDAVIT *", а затем извлечь все эти документы, держа их вместе, пока не найдет следующий уникальный "* TP [0-9] {6} * * ПОДПИСАННЫЙ АФФИДАВИТ * "?

так, чтобы конец выглядел так:

TP02433 ПОДПИСАННЫЙ АФФИДАВИТ (1 - 3) TP02354 ПОДПИСАННЫЙ АФФИДАВИТ (4 - 6)

Вот мой код:

Imports System.IO
Imports Bytescout.PDFExtractor
Imports Microsoft.Office.Interop
Imports System.IO.Path
Imports Microsoft.Office.Interop.Excel
Imports System.Text
Imports System.Text.RegularExpressions
Module Module1

    Sub Main()
        Dim unmerged = Combine(Environment.GetFolderPath(Environment.SpecialFolder.Desktop), "Tesspdf")

        Dim pdfFile As String = "G:\Word\Department Folders\Pre-Suit\Xavier\MPOP.pdf"


        Dim pageTypes As New List(Of PageType)
        Dim extractor As New TextExtractor()
        extractor.WordMatchingMode = WordMatchingMode.ExactMatch
        extractor.LoadDocumentFromFile(pdfFile)
        Dim pageCount = extractor.GetPageCount()
        Dim currentPageTypeName = "UNKNOWN"
        Dim PageTypeName = "test"    
        extractor.RegexSearch = True
        Dim regexPattern = "\*TP[0-9]{6}\* \*SIGNED AFFIDAVIT\*"



        For i = 0 To pageCount - 1


            If extractor.Find(i, regexPattern, False) Then


                    Do

                        For Each element As SearchResultElement In extractor.FoundText.Elements

                            PageTypeName = Regex.Replace(element.Text, "[^A-Za-z0-9\-/#\s]", "")


                        Next element
                    Loop While extractor.FindNext()
                    currentPageTypeName = PageTypeName

                End If


                Using splitter As New DocumentSplitter() With {.OptimizeSplittedDocuments = True}
                    Dim pageNumber = i + 1   ' (!) page number in ExtractPage() is 1-based


                If Not Directory.Exists(unmerged) Then
                        Directory.CreateDirectory(unmerged)
                    End If

                Dim outputfile = Combine(unmerged, currentPageTypeName & " " & pageNumber & ".pdf")


                splitter.ExtractPage(pdfFile, outputfile, pageNumber) 

            End Using
            Next
            extractor.Dispose()



    End Sub

End Module