.net 用C#阅读PDF文本图像

olmpazwi  于 12个月前  发布在  .NET
关注(0)|答案(3)|浏览(152)

我需要阅读PDF文件,并需要转换为HTML。目前我使用iTextsharp阅读PDF。是否有任何带有适当文档的dll来阅读PDF文件
谢谢

lymnna71

lymnna711#

ITextSharp是相当体面和相当容易实现..这里是一个小的例子,阅读的pdf和把文本到一个字符串,然后打印出来的标签上的webforms页面:

using System;
using System.Collections.Generic;
using System.Linq;
using System.Web;
using System.Web.UI;
using System.Web.UI.WebControls;
using iTextSharp.text.pdf;
using iTextSharp.text.pdf.parser;

namespace pdfreadertest
{
    public partial class _Default : System.Web.UI.Page
    {
        protected void Page_Load(object sender, EventArgs e)
        {
            GetTextFromPDFFile(@"c:\example.pdf", 1);
        }

        public void GetTextFromPDFFile(string pdfFile, int pageNumber)
        {
            // Call the reader to read the pdf file
            PdfReader pdfReader = new PdfReader(pdfFile);

            // Extract the text from the pdf reader and put into a string
            string pdfText = PdfTextExtractor.GetTextFromPage(pdfReader, pageNumber);

            // Try and close the reader
            try
            {
                pdfReader.Close();
            }
            catch{ }

            // Put the string (pdf text) into a label to display on page
            this.lblPdfText.Text = pdfText;
        }
    }
}

字符串
希望能帮上忙。

2ul0zpep

2ul0zpep2#

如果你在2023年遇到这个问题,你可以用C#(NET Core)阅读PDF中的文本。这可以通过itext7 nuget包实现。(包含此代码的工作解决方案的链接可以在here中找到)。

using iText.Kernel.Pdf;
using iText.Kernel.Pdf.Canvas.Parser;
using iText.Kernel.Pdf.Canvas.Parser.Listener;

namespace ScanTextInPDFs
{
    internal class Program
    {
        public static async Task Main(string[] args)
        {
            string executingDirectory = AppContext.BaseDirectory;

            byte[] bytes = await File.ReadAllBytesAsync($"{executingDirectory}PDFs\\Brochure.pdf");
            string textToFind = "Lorem ipsum";
            bool foundText = false;

            using (MemoryStream memoryStream = new MemoryStream(bytes))
            {
                using PdfReader pdfReader = new PdfReader(memoryStream);
                using PdfDocument pdfDocument = new PdfDocument(pdfReader);

                for (int page = 1; page <= pdfDocument.GetNumberOfPages(); page++)
                {
                    PdfPage pdfPage = pdfDocument.GetPage(page);
                    string pageText = PdfTextExtractor.GetTextFromPage(pdfPage, new SimpleTextExtractionStrategy());

                    if (pageText.Contains(textToFind, StringComparison.Ordinal))
                        foundText = true;
                }
            }

            if (foundText)
                Console.WriteLine($"Found '{textToFind}' in the pdf.");
            else
                Console.WriteLine($"Did not find '{textToFind}' in the pdf.");
        }
    }
}

字符串

k4emjkb1

k4emjkb13#

我认为iTextSharp是最受欢迎的一个,即使有几个其他的库,如iText.Net,PDF夏普,夏普PDF等谷歌它,你会发现他们很多。我用过iTextSharp,我喜欢它。

相关问题