[转].NET下读取PDF文本

最新推荐文章于 2017-11-23 16:20:27 发布

转载最新推荐文章于 2017-11-23 16:20:27 发布 · 1.8k 阅读

文章标签：

#PDFBox #iTextSharp #NET #PDF

NET 同时被 2 个专栏收录

1 篇文章

订阅专栏

PDF

1 篇文章

订阅专栏

本文介绍了两种在.NET环境下读取PDF文本的方法：使用PDFBox和iTextSharp。PDFBox提供了强大的PDF处理功能，通过简单的API调用即可提取PDF文本；iTextSharp则更常用于PDF生成，但同样具备良好的PDF读取能力。

在.NET下读取PDF文本用到的类库主要有两个：PDFBox和iTextSharp。

PDFBox

先说PDFBox，这个类库据说功能很强大，本人在这只是简单介绍一下：

1、下载PDFBox

下载地址：http://sourceforge.net/projects/pdfbox/

2、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.dllI
KVM.Runtime.dll

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;

3、API的使用方法看代码：

using org.pdfbox.pdmodel;
using org.pdfbox.util;
public void pdf2txt(FileInfo file,FileInfo txtfile)
{
        PDDocument doc = PDDocument.load(file.FullName);
        PDFTextStripper pdfStripper = new PDFTextStripper();
        string text = pdfStripper.getText(doc);
        StreamWriter swPdfChange = new StreamWriter(txtfile.FullName, false, Encoding.GetEncoding("gb2312"));
        swPdfChange.Write(text);
        swPdfChange.Close();
}

iTextSharp

其实很多时候都是用于生成PDF，但是他读取PDF的能力也不差，使用如下：
下载地址：http://sourceforge.net/projects/itextsharp/

2、引用动态链接库

解压缩下载的压缩包里面的itextsharp-dll-core.zip，得到itextsharp.dll，在项目中添加引用itextsharp.dll即可在文件中需要引入以下3个命名空间：

using iTextSharp; 
using iTextSharp.text; 
using iTextSharp.text.pdf;

3、API的使用方法看代码：

 private string OnCreated(string filepath)
        {
            try
            {
                string pdffilename = filepath;
                PdfReader pdfReader = new PdfReader(pdffilename);
                int numberOfPages = pdfReader.NumberOfPages;
                string text = string.Empty;

                for (int i = 1; i <= numberOfPages; ++i)
                {
                    byte[] bufferOfPageContent = pdfReader.GetPageContent(i);
                    text += System.Text.Encoding.UTF8.GetString(bufferOfPageContent);
                }
                pdfReader.Close();

                return text;
            }
            catch (Exception ex)
            {
                StreamWriter wlog = File.AppendText(System.AppDomain.CurrentDomain.SetupInformation.ApplicationBase + "\\mylog.log");
                wlog.WriteLine("出错文件：" + e.FullPath + "原因：" + ex.ToString());
                wlog.Flush();
                wlog.Close(); return null;
            }

        }