如何使用免费PDF控件从PDF文档中提取文本和图片
概要
现在手头的项目有一个需求是从PDF文档中提取文本和图片，我以前也使用过像iTextSharp, PDFBox 这些免费的PDF插件，可是这次都测试了一下，或多或少有一些地方不是很满意。最后同事推荐我使用免费的Spire.PDF，结果真是让我惊喜。最重要的是，作为一家中国企业，他们还能提供完全没有时差的免费中文技术支持。所以迫不及待的想和大家分享一下我的使用经验。
开发环境需求
首先，从Codeplex官网下载免费的Spire.PDF ：http://freepdf.codeplex.com/。安装好程序后，添加Spire.License.dll, Spire.Pdf.dll 这两个引用到我们的工程程序。免费Spire.PDF支持.NET 2.0--.NET4.5版本。根据自己的项目需求添加相应文件夹里的.dll就可以。
操作步骤
前面提到过，我们需要从PDF文档里将文本和图片单独获取出来。使用Spire.PDF，只需要几行代码就能完成。下面是详细的操作步骤。
1． 生成一个PDF,将文本和图片添加到PDF里面。
2． 从PDF文档中提取所有图片。
3． 从PDF文档中提取所有文本。
下面的代码示例是讲如何创建一个空的PDF文档，将文本和图片加进PDF。
PdfDocument doc = new PdfDocument(); PdfPageBase page = doc.Pages.Add(); // 添加文本 page.Canvas.DrawString( " Demo of extract text and imgae from PDF! ", new PdfFont(PdfFontFamily.Helvetica, 20f), new PdfSolidBrush(Color.Black), 10, 10); // 添加图片 PdfImage image = PdfImage.FromFile( " pdf.png "); float width = image.Width * 0.75f; float height = image.Height * 0.75f; float x = (page.Canvas.ClientSize.Width - width) / 2; page.Canvas.DrawImage(image, x, 60, width, height); PdfImage image2 = PdfImage.FromFile( " image.jpg "); width = image2.Width * 0.75f; height = image2.Height * 0.75f; page.Canvas.DrawImage(image2, x- 100, 220, width, height); doc.SaveToFile( " sample.pdf ");
生成的PDF文件
下面的代码将展示如何从PDF文档中获取图片。同样，也只需要几行代码。
PdfDocument doc = new PdfDocument(); doc.LoadFromFile( " sample.pdf "); IList<Image> images = new List<Image>(); foreach (PdfPageBase page in doc.Pages) { if (page.ExtractImages() != null) { foreach (Image image in page.ExtractImages()) { images.Add(image); } } } doc.Close(); int index = 0; foreach (Image image in images) { String imageFileName = String.Format( " Image-{0}.png ", index++); image.Save(imageFileName, ImageFormat.Png); }
运行后,所有的图片被保存为了.png格式。在debug文件夹里可以看到我们从PDF文档中获取的两幅图像。
下面的代码将显示如何从PDF文档中提取文本。
PdfDocument doc = new PdfDocument(); doc.LoadFromFile( " sample.pdf "); StringBuilder buffer = new StringBuilder(); foreach (PdfPageBase page in doc.Pages) { buffer.Append(page.ExtractText()); } doc.Close(); String fileName = " TextInPdf.txt "; File.WriteAllText(fileName, buffer.ToString()); buffer = null;
提取的文本被保存为了.txt文件。详情见下图：
总结
总的来说，网上有很多用来操作PDF文档的第三方控件。Free Spire.PDF的优点在于免费，易用，大大节省了开发者的时间。但是免费版本在加载和写出时，PDF页面被限制在了十页以内。不过这已经足够我项目的需要了。如果你的项目超出限制，也有收费版Spire.PDF可以使用。官方提供30天免费试用。
转载于:https://www.cnblogs.com/Yesi/p/4203686.html
相关资源：垃圾分类数据集及代码