matlab使用pdfbox,使用pdfbox实现pdf文本提取和合并功能示例

有时我们需要对PDF文件进行一些处理，提取文本、合并等。以前我们使用A-PDF Text Extractor免费工具,为什么不自己写一个呢?

现在我们可以使用PDFBox-0.7.3这个开源类库. 下载解包后引用:

PDFBox-0.7.3.dll

IKVM.GNU.Classpath.dll

新建一个项目,代码很简单:

public static string ParseToTxtStringUsingPDFBox(string filename){

PDDocument doc = PDDocument.load(filename);

PDFTextStripper stripper = new PDFTextStripper();

return stripper.getText(doc);

}

获得这个textString,再把它们写成磁盘文件就可以了, 像这样的方法:

public static void WriteToTextFile(string str,string txtpath)

{

if (string.IsNullOrEmpty(txtpath))

throw new ArgumentNullException("Output file path should not be Null");

using (var txtWriter = new StreamWriter(txtpath))

{

txtWriter.Write(str);

txtWriter.Close();

}

}

其它的功能您可以自行发挥了. 这个类库目前支持:

PDF to text extraction

Merge PDF Documents

PDF Document Encryption/Decryption

Lucene Search Engine Integration

Fill in form data FDF and XFDF

Create a PDF from a text file

Create images from PDF pages

Print a PDF