使用 C# 将 PDF 转换为可用文本 [关闭]答案

【问题标题】：Converting PDF into workable text using C# [closed]使用 C# 将 PDF 转换为可用文本 [关闭]
【发布时间】：2010-12-11 19:25:19
【问题描述】：

是否有一个库有一个类可以从 c#.net 中的 pdf 文件中提取文本？我已经尝试了一些，但文档很糟糕，所以我无法将它付诸实践。此外，如果它提供了一个类来提取图像，那将是一个加号。有什么建议？提前谢谢。

我还需要能够在现有应用程序中实现它。

【问题讨论】：

标签： c# pdf text-extraction image-extraction

【解决方案1】：

你试过PDFKit.NET吗？它有合理的文档和一些很好的例子。它是为服务器环境设计的，所以有点贵。

编辑这是 SourceForge 上名为 iTextSharp 的开源库。它对开源项目是免费的。我没用过，但看起来很有希望。 Here is a tutorial 有很多代码示例。

【讨论】：

【解决方案2】：

我们在工作中使用了 Snowbound 软件进行图像转换。它显然也支持text extraction。但是，它不是免费的。

【讨论】：

不知道为什么链接不起作用。但你可以去 snowbound.com -> 解决方案 -> 文本提取

【解决方案3】：

您可以通过多种方式前往此处——其中大部分取决于您是否要保留原始 PDF 的格式（即段落和其他布局元素）。

如果您正在考虑商业解决方案，我们确实提供了两种可能满足您要求的产品。一种是 EasyPDF SDK，它具有单次 ExtractText() 和 ExtractText2() 调用，可将文本作为纯文本从 PDF 中提取出来。

请注意，这些调用的输出非常简单，您将丢失许多原始布局元素。它们非常适合简单的文本提取，但如果您的 PDF 包含表格数据，则可能不太好。

如果您正在处理表格，一个更好的选择可能是将其作为富文本提取出来。我们有一个名为 EasyConverter SDK 的工具，适用于业务文档，它使用单个函数调用来完成。

使用 EasyConverter SDK，将保留原始 PDF 的布局。

两者都支持 C#，因此如果您有兴趣，请随时查看 www.pdfonline.com 上的 eval 版本。我确实为供应商工作，所以请把这个建议当作一个爱自己孩子的母亲:-) 我一直在浏览 stackoverflow.com 以获取代码 sn-ps，但直到最近才开始发布，所以如果如果您对任一 API 有任何疑问，请告诉我，我可以提供帮助。干杯！

【讨论】：

【解决方案4】：

Docotic.Pdf library 可以从 PDF 文件中提取文本和图像。

您可以从整个文档或仅从某些页面中提取文本。该库可以提取纯文本以及带有坐标的文本块。

您可以从 PDF 中提取图像（JPEG 和 TIFF 文件）。

以下是您的任务的几个示例：

Extract text 来自 PDF 文件
Extract images 来自 PDF

免责声明：我为图书馆供应商 Bit Miracle 工作。

【讨论】：