如何从C＃中的PDF文件中提取图像，文本和字体细节 [英] How to extract images, text and font details from PDF file in C#

问题描述

我正在开发一个用于PDF比较的C＃工具，它将比较两个PDF文件。

为此，我需要提取PDF格式，如图像，文本，字体大小，书签等。



任何想法如何在C＃中执行此操作。



在此先感谢，

Kane

Hi,

I am developing a tool in C# for PDF comparison which will compare two PDF files.
For this I need to extract the PDF contect such as images, text, font size, bookmarks, etc.

Any idea how to do this in C#.

Thanks In Advance,
Kane

推荐答案

要从PDF中提取文本/图像，我建议使用PDF sharp或Itextsharp。



下载itextsharp dlls

http://sourceforge.net/projects/itextsharp/ [ ^ ]



Itextsharp的文档api

http://www.afterlogic.com/mailbee-net/docs-itextsharp/ [ ^ ]



从itextsharp中的所有页面获取文本

To extract text/images from a PDF i would suggest using either PDF sharp or Itextsharp.

Download itextsharp dlls
http://sourceforge.net/projects/itextsharp/[^]

A documentation for Itextsharp api
http://www.afterlogic.com/mailbee-net/docs-itextsharp/[^]

Get text from all pages in itextsharp

public static string GetTextFromAllPages(String pdfPath)
{
        PdfReader reader = new PdfReader(pdfPath); 

        StringWriter output = new StringWriter();  

        for (int i = 1; i <= reader.NumberOfPages; i++) 
            output.WriteLine(PdfTextExtractor.GetTextFromPage(reader, i, new SimpleTextExtractionStrategy()));

        return output.ToString();
}

如何从PDF中提取图像并保存到文件



http：// kishor-naik- dotnet.blogspot.com/2011/01/cnet-extract-image-from-pdf-file.html [ ^ ]

这篇关于如何从C＃中的PDF文件中提取图像，文本和字体细节的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！