C#提取PDF文本和图片-创新互联

任务要求:

  1. 提取PDF文档中的文本
  2. 提取PDF文档中的图片

所需工具:

  • Free Spire.PDF for .NET 4.3 (免费版)

实现代码:

【示例 1 】提取文本

创新互联专注于企业网络营销推广、网站重做改版、埇桥区网站定制设计、自适应品牌网站建设、H5开发商城建设、集团公司官网建设、成都外贸网站建设公司、高端网站制作、响应式网页设计等建站业务,价格优惠性价比高,为埇桥区等各大城市提供网站开发制作服务。
using Spire.Pdf;
using System;
using System.IO;
using System.Text;

namespace ExtractText
{
    class Program
    {
        static void Main(string[] args)
        {
            //加载文档
            PdfDocument document = new PdfDocument();
            document.LoadFromFile("测试文档.pdf");

            //实例化StringBuilder类,获取文本
            StringBuilder content = new StringBuilder();
            content.Append(document.Pages[0].ExtractText());

            //保存提取后的文本内容到.txt文档
            String fileName = "TextFromPDF.txt";
            File.WriteAllText(fileName, content.ToString());
            System.Diagnostics.Process.Start("TextFromPDF.txt");
        }
    }
}

文本提取效果:
C# 提取PDF文本和图片
【示例 2 】提取图片

using System;
using System.Collections.Generic;
using System.Text;
using System.Drawing;
using Spire.Pdf;

namespace ExtractImagesFromPDF
{
    class Program
    {
        static void Main(string[] args)
        {
            //实例化PdfDocument类,并加载测试文档
            PdfDocument doc = new PdfDocument(); 
            doc.LoadFromFile("测试文档.pdf");

            //实例化List类
            List ListImage = new List();
            for (int i = 0; i < doc.Pages.Count; i++)
            {
                // 获取 Spire.Pdf.PdfPageBase类对象
                PdfPageBase page = doc.Pages[i];
                // 提取图片
                Image[] images = page.ExtractImages();
                if (images != null && images.Length > 0)
                {
                    ListImage.AddRange(images);
                }

            }
            if (ListImage.Count > 0)
            {
                for (int i = 0; i < ListImage.Count; i++)
                {
                    Image image = ListImage[i];
                    image.Save("image" + (i + 1).ToString() + ".png", System.Drawing.Imaging.ImageFormat.Png);
                }
                System.Diagnostics.Process.Start("image1.png");
            }
        }
    }
}

图片提取效果:
C# 提取PDF文本和图片

创新互联www.cdcxhl.cn,专业提供香港、美国云服务器,动态BGP最优骨干路由自动选择,持续稳定高效的网络助力业务部署。公司持有工信部办法的idc、isp许可证, 机房独有T级流量清洗系统配攻击溯源,准确进行流量调度,确保服务器高可用性。佳节活动现已开启,新人活动云服务器买多久送多久。


分享标题:C#提取PDF文本和图片-创新互联
转载来源:http://myzitong.com/article/cccjjo.html