Wie extrahiere ich PDF-Inhalte effizient mit iTextSharp in C# oder VB.NET?

Extrahieren von PDF-Inhalten mit iTextSharp

Frage:

So rufen Sie den Inhalt eines PDF-Dokuments mit iTextSharp effektiv ab entweder VB.NET oder C#?

Antwort:

iTextSharp bietet über seine PdfReader-Klasse einen zuverlässigen Mechanismus zum Lesen von PDF-Inhalten. Hier ist eine umfassende C#-Lösung zum Extrahieren von Text und Bildern aus einem PDF-Dokument:

using iTextSharp.text.pdf;
using iTextSharp.text.pdf.parser;
using System;
using System.IO;
using System.Text;

namespace PdfContentReader
{
    public static class Program
    {
        public static string ReadPdfFile(string fileName)
        {
            StringBuilder text = new StringBuilder();

            if (File.Exists(fileName))
            {
                PdfReader pdfReader = new PdfReader(fileName);

                for (int page = 1; page <= pdfReader.NumberOfPages; page++)
                {
                    ITextExtractionStrategy strategy = new SimpleTextExtractionStrategy();
                    string currentText = PdfTextExtractor.GetTextFromPage(pdfReader, page, strategy);

                    currentText = Encoding.UTF8.GetString(ASCIIEncoding.Convert(Encoding.Default, Encoding.UTF8, Encoding.Default.GetBytes(currentText)));
                    text.Append(currentText);
                }
                pdfReader.Close();
            }
            return text.ToString();
        }

        public static void Main(string[] args)
        {
            string fileName = @"path\to\file.pdf";
            string extractedText = ReadPdfFile(fileName);

            Console.WriteLine(extractedText);
        }
    }
}

In dieser Implementierung:

• Die ReadPdfFile-Methode verwendet den Dateinamen als Argument und extrahiert die Textinhalt von jeder Seite des PDF-Dokuments.
• Wir verwenden die SimpleTextExtractionStrategy, um einfachen Text aus dem PDF zu extrahieren Dokument.
• Wir lösen potenzielle Kodierungsprobleme, indem wir den extrahierten Text in die UTF-8-Kodierung konvertieren.

Diese Lösung extrahiert effizient den Textinhalt aus dem PDF-Dokument und verarbeitet sowohl einfachen Text als auch eingebettete Bilder effektiv.

Das obige ist der detaillierte Inhalt vonWie extrahiere ich PDF-Inhalte effizient mit iTextSharp in C# oder VB.NET?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!