欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

c#實(shí)現(xiàn)將pdf轉(zhuǎn)文本的示例分享

 更新時(shí)間：2014年03月10日 15:20:36   作者：  
這篇文章主要介紹了c#實(shí)現(xiàn)將pdf轉(zhuǎn)文本的示例,需要的朋友可以參考下

如何解析PDF文件

在.NET中從PDF文件里提取文本的幾種主要方法有:

1、Microsoft 的 IFilter 接口 和 Adobe 的 IFilter 實(shí)現(xiàn)；

2、iTextSharp；

3、PDFBox。

不幸的是這些 PDF 解析方案都不完美。我們將在下面討論這些方法。

Adobe PDF IFilter

為了使用 IFilter 接口來(lái)解析 PDF 文件，你需要：

Windows 2000 或者后續(xù)版本

Adobe Acrobat 或 Reader 7.0.5+ (或單獨(dú)的 Adobe PDF IFilter [adobe.com])

IFilter COM 封裝類(lèi) [dotlucene.net]

樣例代碼：

復(fù)制代碼 代碼如下:

using IFilter;
public static string ExtractTextFromPdf(string path) {
  return DefaultParser.Extract(path);
}

缺點(diǎn)：

使用了不可靠的 COM 互操作來(lái)處理 IFilter 接口 (并且組合 IFilter COM、 Adobe PDF IFilter 特別麻煩)。

需要在目標(biāo)系統(tǒng)上單獨(dú)安裝 Adobe IFilter。如果你需要對(duì)其它人發(fā)布可索引的解決方案，會(huì)很痛苦。

iTextSharp
iTextSharp（http://sourceforge.net/projects/itextsharp/） 是一個(gè) Java 的PDF 操作庫(kù)iText（http://itextpdf.com/） 的.NET輸出。它主要著眼于編輯PDF而不是閱讀，但它當(dāng)然也支持從PDF中提取文本（盡管有點(diǎn)大材小用）。

例程:

復(fù)制代碼 代碼如下:

using iTextSharp.text.pdf;
using iTextSharp.text.pdf.parser; 
public static string ExtractTextFromPdf(string path)
{
  using (PdfReader reader = new PdfReader(path))
  {
    StringBuilder text = new StringBuilder();

    for (int i = 1; i <= reader.NumberOfPages; i++)
    {
        text.Append(PdfTextExtractor.GetTextFromPage(reader, i));
    }

    return text.ToString();
  }
}

信用證: 成員號(hào) 10364982

缺點(diǎn)：

需要許可證（如果你不喜歡 AGPL許可證 的話(huà)）

PDFBox

PDFBox是另一個(gè)Java PDF類(lèi)庫(kù)。它同時(shí)也可以與原來(lái)的Java Lucene一同使用（參見(jiàn)LucenePDFDocument）。

幸運(yùn)的是，PDFBox有一個(gè)使用IKVM.NET開(kāi)發(fā)的.NET版本 （只需訪問(wèn)PDFBox下載頁(yè)）。

在.NET中使用PDFBox需要引用：

IKVM.OpenJDK.Core.dll

IKVM.OpenJDK.SwingAWT.dll

pdfbox-1.8.4.dll

并將下列文件復(fù)制到bin文件夾下：

commons-logging.dll

fontbox-1.8.4.dll

IKVM.OpenJDK.Util.dll

IKVM.Runtime.dll

使用PDFBox解析PDF十分簡(jiǎn)單：

復(fù)制代碼 代碼如下:

using org.apache.pdfbox.pdmodel;
using org.apache.pdfbox.util; 
private static string ExtractTextFromPdf(string path)
{
  PDDocument doc = null;
  try {
    doc = PDDocument.load(path)
    PDFTextStripper stripper = new PDFTextStripper();
    return stripper.getText(doc);
  }
  finally {
    if (doc != null) {
      doc.close();
    }
  }
}

編譯后的大小加起來(lái)差不多有18MB：

IKVM.OpenJDK.Core.dll (4 MB)

IKVM.OpenJDK.SwingAWT.dll (6 MB)

pdfbox-1.8.4.dll (4 MB)

commons-logging.dll (82 kB)

fontbox-1.8.4.dll (180 kB)

IKVM.OpenJDK.Util.dll (2 MB)

IKVM.Runtime.dll (1 MB)

速度還可以：解析U.S. Copyright Act PDF (5.1 MB)文件用了13秒。

感謝bobrien100提供的改進(jìn)建議。

缺點(diǎn)：

IKVM.NET依賴(lài) (18 MB)

速度（尤其是IKVM.NET的啟動(dòng)時(shí)間）

相關(guān)文章

  • C#隱藏控制臺(tái)鍵盤(pán)輸入的方法

    C#隱藏控制臺(tái)鍵盤(pán)輸入的方法

    這篇文章主要介紹了C#隱藏控制臺(tái)鍵盤(pán)輸入的方法,涉及C#針對(duì)系統(tǒng)底層調(diào)用的相關(guān)技巧,非常具有實(shí)用價(jià)值,需要的朋友可以參考下
    2015-04-04
  • c# 使用計(jì)時(shí)器和觀察者模式實(shí)現(xiàn)報(bào)警推送需求

    c# 使用計(jì)時(shí)器和觀察者模式實(shí)現(xiàn)報(bào)警推送需求

    這篇文章主要介紹了c# 使用計(jì)時(shí)器和觀察者模式實(shí)現(xiàn)報(bào)警推送需求，文中示例代碼非常詳細(xì)，幫助大家更好的理解和學(xué)習(xí)，感興趣的朋友可以了解下
    2020-07-07
  • Unity3D選擇本地圖片并加載

    Unity3D選擇本地圖片并加載

    這篇文章主要為大家詳細(xì)介紹了Unity3D選擇本地圖片并加載，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下
    2019-07-07
  • C#異常處理的技巧和方法

    C#異常處理的技巧和方法

    在本篇文章里小編給大家整理了關(guān)于C#異常處理的技巧和方法以及相關(guān)知識(shí)點(diǎn)，需要的朋友們學(xué)習(xí)下。
    2019-03-03
  • c# 刪除所有的空文件夾的小例子

    c# 刪除所有的空文件夾的小例子

    c# 刪除所有的空文件夾的小例子，需要的朋友可以參考一下
    2013-03-03
  • C#通過(guò)Builder模式造車(chē)

    C#通過(guò)Builder模式造車(chē)

    這篇文章介紹了C#通過(guò)Builder模式造車(chē)的方法，文中通過(guò)示例代碼介紹的非常詳細(xì)。對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下
    2022-10-10
  • c#讀取xml文件到datagridview實(shí)例

    c#讀取xml文件到datagridview實(shí)例

    c#讀取xml文件到datagridview實(shí)例，需要的朋友可以參考一下
    2013-03-03
  • C# cefSharep控件的使用詳情

    C# cefSharep控件的使用詳情

    本文主要介紹了C# cefSharep控件的使用，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧
    2023-01-01
  • C#中的委托和事件詳解

    C#中的委托和事件詳解

    本文詳細(xì)講解了C#中的委托和事件，文中通過(guò)示例代碼介紹的非常詳細(xì)。對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下
    2022-07-07
  • C#?中的partial?關(guān)鍵字詳解

    C#?中的partial?關(guān)鍵字詳解

    這篇文章主要介紹了C#?中的partial?關(guān)鍵字,partial 關(guān)鍵字用于拆分一個(gè)類(lèi)、一個(gè)結(jié)構(gòu)、一個(gè)接口或一個(gè)方法的定義到兩個(gè)或更多的文件中，本文通過(guò)實(shí)例代碼給大家介紹的非常詳細(xì)，需要的朋友可以參考下
    2022-07-07

最新評(píng)論