C# pdf文件文本读取

最新推荐文章于 2024-04-21 10:46:52 发布

神韵凌天

最新推荐文章于 2024-04-21 10:46:52 发布

阅读量2.5k

点赞数

分类专栏： C# 文章标签： c# pdf 开发语言

本文链接：https://blog.csdn.net/qq_31176861/article/details/128820949

版权

C# 专栏收录该内容

20 篇文章 0 订阅

订阅专栏

一、下载PDFBox

  访问网址http://sourceforge.net/projects/pdfbox

二、引用动态链接库

解压缩下载的PDFBox，找到其中的Bin目录，需要在项目中添加引用的dll文件有：
IKVM.GNU.Classpath.dll
PDFBox-0.7.3.dll
FontBox-0.1.0-dev.dll
IKVM.Runtime.dll

三，将以上4个文件引用到项目中，在文件中需要引入以下2个命名空间：

 using org.pdfbox.pdmodel;
 using org.pdfbox.util;

四，示例

using System.IO;
using System.Text;
using org.pdfbox.pdmodel;
using org.pdfbox.util;

namespace PDFReader
{
    class Program
    {
        public static void pdf2txt(FileInfo pdffile, FileInfo txtfile)
        {
            PDDocument doc = PDDocument.load(pdffile.FullName);
            PDFTextStripper pdfStripper = new PDFTextStripper();
            string text = pdfStripper.getText(doc);
            //文件转存
            StreamWriter swPdfChange = new StreamWriter(txtfile.FullName, false, Encoding.GetEncoding("gb2312"));
            swPdfChange.Write(text);
            swPdfChange.Close();
        }
        static void Main(string[] args)
        {
            pdf2txt(new FileInfo(@"C:/Users/Susan/Desktop/111.pdf"), new FileInfo(@"C:/Users/Susan/Desktop/222.txt"));
        }
    }
}