以编程方式将扫描仪创建的 PDF 拆分为单独的 PDF 文档答案

【问题标题】：Programatically Break Apart a PDF created by a scanner into separate PDF documents以编程方式将扫描仪创建的 PDF 拆分为单独的 PDF 文档
【发布时间】：2010-09-25 04:22:09
【问题描述】：

我有来自扫描仪的 PDF 文档。此 PDF 包含由工作人员填写并签署的一天工作表格。我想在每种表单类型上放置 OCR 文本的条形码或标准区域，以便可以根据表单类型以编程方式将批量扫描拆分为单独的 PDF 文档。

我想在 Microsoft .net 2.0 中执行此操作

如果没有可用的开源命名空间/dll，我可以购买完成任务所需的 Adobe 或其他命名空间/dll。

【问题讨论】：

标签： c# .net vb.net pdf adobe

【解决方案1】：

不是免费或开源选项，但您也可以将 ABCPdf by webSuperGoo 视为 Adobe 的另一种替代方案。

【讨论】：

【解决方案2】：

您可以研究 iTextSharp 库，它可以拆分 pdf 文件。但这对于阅读实际的pdf并不是很好。所以我不知道它怎么知道在哪里拆分它们。

有些公司已经为您做到了这一点。你可以研究一下 kwiktag 公司。

【讨论】：

【解决方案3】：

iTextSharp 将帮助您将条形码拆分、重组和应用到 .NET 语言的 pdf。我不认为它可以 OCR 文档，但我没有看过（我使用 Abby Fine Reader 引擎）。

【讨论】：

【解决方案4】：

根据您问题的标题，我假设您只需要拆分 PDF 文件并且它们已经进行了 OCR 处理。有一些开源的 .NET PDF 库。我在自己的项目中成功使用了PDFSharp。

这是一个快速的 sn-p，它展示了如何使用 PDFSharp 从 PDF 文档中剔除每一页：

string filePath = @"c:\file.pdf";

using (PdfDocument ipdf = PdfReader.Open(filePath, PdfDocumentOpenMode.ReadOnly))
{
    int i = 1;
    foreach (PdfPage page in ipdf.Pages)
    {
        using (PdfDocument opdf = new PdfDocument())
        {
            opdf.Version = ipdf.Version;
            opdf.AddPage(page);

            opdf.Save("page " + i++ + ".pdf");
        }
    }
}

假设您还需要访问文档中的文本以进行分组，您可以使用 PdfPage.Contents 属性。

【讨论】：

【解决方案5】：

您可以使用多个，试试这些免费工具：

【讨论】：

【解决方案6】：

查看Tesseract .NET wrapper (v 2.04.0) 围绕着 hp 在 90 年代后期开发的同名 c++ ocr 引擎，它因其独创性而获奖

【讨论】：