从选定区域或坐标中的 pdf 中提取文本和图像答案

【问题标题】：Extract text and image from a pdf in a selected area or coordinates从选定区域或坐标中的 pdf 中提取文本和图像
【发布时间】：2023-03-23 08:52:01
【问题描述】：

我有从 pdf 文件中的特定区域提取文本和图像的特定要求。该区域可能是选定的或突出显示的，或者来自给定的一组坐标。

当我经历时，所有方法都是从不在指定位置的 PDF 中完全提取图像和文本。我尝试了 iTextSharp、Syncfussion、Apose，但找不到更好的方法。

如果有人能在这方面帮助我，那就太好了。您能否分享您对如何在 .net 中实现此功能的想法和建议。

问候，阿伦.M

【问题讨论】：

标签： asp.net pdf acrobat

【解决方案1】：

这段代码从pdf中提取图像

using System;
using System.Data;
using System.Configuration;
using System.Collections;
using System.Drawing.Imaging;
using System.IO;
using System.Web;
using System.Web.Security;
using System.Web.UI;
using System.Web.UI.WebControls;
using System.Web.UI.WebControls.WebParts;
using System.Web.UI.HtmlControls;
using Bytescout.PDFExtractor;

namespace ExtractAllImages
{
    public partial class _Default : System.Web.UI.Page
    {
        protected void Page_Load(object sender, EventArgs e)
        {
            // This test file will be copied to the project directory on the pre-build event (see the project properties).
            String inputFile = Server.MapPath("sample1.pdf");

            // Create Bytescout.PDFExtractor.ImageExtractor instance
            ImageExtractor extractor = new ImageExtractor();
            extractor.RegistrationName = "demo";
            extractor.RegistrationKey = "demo";

            // Load sample PDF document
            extractor.LoadDocumentFromFile("sample1.pdf");

            Response.Clear();

            int i = 0;

            // Initialize image enumeration
            if (extractor.GetFirstImage())
            {
                do
                {
                    if (i == 0) // Write the fist image to the Response stream
                    {
                        string imageFileName = "image" + i + ".png";

                        Response.Write("<b>" + imageFileName + "</b>");

                        Response.ContentType = "image/png";
                        Response.AddHeader("Content-Disposition", "inline;filename=" + imageFileName);

                        // Write the image bytes into the Response output stream
                        Response.BinaryWrite(extractor.GetCurrentImageAsArrayOfBytes());
                    }

                    i++;

                } while (extractor.GetNextImage()); // Advance image enumeration
            }

            Response.End();
        }
    }
}

【讨论】：