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:
1: public static string ParseToTxtStringUsingPDFBox(string filename)
2: {
3: PDDocument doc = PDDocument.load(filename);
4: PDFTextStripper stripper = new PDFTextStripper();
5: return stripper.getText(doc);
6: }
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:
1: public static void WriteToTextFile(string str,string txtpath)
2: {
3: if (string.IsNullOrEmpty(txtpath))
4: throw new ArgumentNullException("Output file path should not be Null");
5:
6: using (var txtWriter = new StreamWriter(txtpath))
7: {
8: txtWriter.Write(str);
9: txtWriter.Close();
10: }
11: }
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
希望对您开发有帮助.
作者:Petter Liu
出处:http://www.cnblogs.com/wintersun/
本文版权归作者和博客园共有,欢迎转载,但未经作者同意必须保留此段声明,且在文章页面明显位置给出原文连接,否则保留追究法律责任的权利。
该文章也同时发布在我的独立博客中-Petter Liu Blog。
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】凌霞软件回馈社区,博客园 & 1Panel & Halo 联合会员上线
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】博客园社区专享云产品让利特惠,阿里云新客6.5折上折
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· [.NET]调用本地 Deepseek 模型
· 一个费力不讨好的项目,让我损失了近一半的绩效!
· .NET Core 托管堆内存泄露/CPU异常的常见思路
· PostgreSQL 和 SQL Server 在统计信息维护中的关键差异
· C++代码改造为UTF-8编码问题的总结
· 实操Deepseek接入个人知识库
· CSnakes vs Python.NET:高效嵌入与灵活互通的跨语言方案对比
· 【.NET】调用本地 Deepseek 模型
· Plotly.NET 一个为 .NET 打造的强大开源交互式图表库
· 上周热点回顾(2.17-2.23)
2009-08-28 使Dictionary泛型查询简单化