C# PDFSharp: Beispiele, wie der Streifen von text aus PDF?

Extrahieren von text aus einer PDF-Datei mit PdfSharp kann eigentlich sehr einfach sein, je nachdem, die Art des Dokuments und was Sie zu tun beabsichtigen. Wenn der text im Dokument als text, und nicht um ein Bild, und Sie kümmern sich nicht um die position oder das format, dann ist es ganz einfach. Dieser code wird der text von der ersten Seite in der PDF-Dateien arbeite ich mit:

var doc = PdfReader.Open(docPath);
string pageText = doc.Pages[0].Contents.Elements.GetDictionary(0).Stream.ToString();

doc.Pages.Count gibt Ihnen die Gesamtzahl der Seiten, und Sie sind jeweils durch die doc.Pages array mit dem index. Ich empfehle, nicht mit foreach und Linq hier, wie die Schnittstellen sind nicht gut umgesetzt. Der index ging in GetDictionary ist für das PDF-Dokument element - dies kann variieren, je nachdem, wie die Dokumente produziert werden. Wenn Sie nicht bekommen, den text, den Sie suchen, versuchen Sie die Schleife durch alle Elemente.

Den text, der dadurch entsteht, wird voll von verschiedenen PDF-Formatierung codes. Wenn alles, was Sie tun müssen ist, extrahieren strings, obwohl, können Sie finden, in denen Sie wollen mit Regex, oder jede andere geeignete string-Suche code. Wenn Sie brauchen, um zu tun, nichts mit der Formatierung oder Position, dann auf gut Glück - von dem, was ich sagen kann, du wirst es brauchen.

InformationsquelleAutor Mason