如何使用免费PDF控件从PDF文档中提取文本和图片

最新推荐文章于 2023-11-28 10:48:24 发布

akn76920

最新推荐文章于 2023-11-28 10:48:24 发布

阅读量357

点赞数

原文链接：http://www.cnblogs.com/Yesi/p/4203686.html

版权

如何使用免费PDF控件从PDF文档中提取文本和图片

概要

现在手头的项目有一个需求是从PDF文档中提取文本和图片，我以前也使用过像iTextSharp, PDFBox 这些免费的PDF插件，可是这次都测试了一下，或多或少有一些地方不是很满意。最后同事推荐我使用免费的Spire.PDF，结果真是让我惊喜。最重要的是，作为一家中国企业，他们还能提供完全没有时差的免费中文技术支持。所以迫不及待的想和大家分享一下我的使用经验。

开发环境需求

首先，从Codeplex官网下载免费的Spire.PDF ：http://freepdf.codeplex.com/。安装好程序后，添加Spire.License.dll, Spire.Pdf.dll 这两个引用到我们的工程程序。免费Spire.PDF支持.NET 2.0--.NET4.5版本。根据自己的项目需求添加相应文件夹里的.dll就可以。

操作步骤

前面提到过，我们需要从PDF文档里将文本和图片单独获取出来。使用Spire.PDF，只需要几行代码就能完成。下面是详细的操作步骤。

1．生成一个PDF,将文本和图片添加到PDF里面。

2．从PDF文档中提取所有图片。

3．从PDF文档中提取所有文本。

下面的代码示例是讲如何创建一个空的PDF文档，将文本和图片加进PDF。

PdfDocument doc = new PdfDocument();
PdfPageBase page = doc.Pages.Add();

// 添加文本
page.Canvas.DrawString( " Demo of extract text and imgae from PDF! ",
new PdfFont(PdfFontFamily.Helvetica, 20f),
new PdfSolidBrush(Color.Black), 10, 10);

// 添加图片
PdfImage image = PdfImage.FromFile( " pdf.png ");
float width = image.Width * 0.75f;
float height = image.Height * 0.75f;
float x = (page.Canvas.ClientSize.Width - width) / 2;
page.Canvas.DrawImage(image, x, 60, width, height);

PdfImage image2 = PdfImage.FromFile( " image.jpg ");
width = image2.Width * 0.75f;
height = image2.Height * 0.75f;
page.Canvas.DrawImage(image2, x- 100, 220, width, height);
doc.SaveToFile( " sample.pdf ");

生成的PDF文件

下面的代码将展示如何从PDF文档中获取图片。同样，也只需要几行代码。

PdfDocument doc = new PdfDocument();

doc.LoadFromFile( " sample.pdf ");
IList<Image> images = new List<Image>();
foreach (PdfPageBase page in doc.Pages)
{
if (page.ExtractImages() != null)
   {
      foreach (Image image in page.ExtractImages())
         {
               images.Add(image);
          }
   }
}
doc.Close();
int index = 0;
foreach (Image image in images)
{
  String imageFileName = String.Format( " Image-{0}.png ", index++);
  image.Save(imageFileName, ImageFormat.Png);
}

运行后,所有的图片被保存为了.png格式。在debug文件夹里可以看到我们从PDF文档中获取的两幅图像。

下面的代码将显示如何从PDF文档中提取文本。

PdfDocument doc = new PdfDocument();
doc.LoadFromFile( " sample.pdf ");

StringBuilder buffer = new StringBuilder();
foreach (PdfPageBase page in doc.Pages)
{
buffer.Append(page.ExtractText());
}
doc.Close();
String fileName = " TextInPdf.txt ";
File.WriteAllText(fileName, buffer.ToString());
buffer = null;

提取的文本被保存为了.txt文件。详情见下图：