C# 用 iTextSharp 将 PDF 转成文本

下面是编程之家 jb51.cc 通过网络收集整理的代码片段。

编程之家小编现在分享给大家,也给大家做个参考。

using System;
using System.IO;
using iTextSharp.text;
using iTextSharp.text.pdf;
using iTextSharp.text.pdf.parser;
 
public class ParsingPDF {
  
    static string PDF;
    static string TEXT2;
  
    /**
     * Parses the PDF using PRTokeniser
     * @param src  the path to the original PDF file
     * @param dest the path to the resulting text file
     */
    public void parsePdf(String src,String dest)
    {
        PdfReader reader = new PdfReader(src);
        StreamWriter output = new StreamWriter(new FileStream(dest,FileMode.Create));
        int pageCount = reader.NumberOfPages;
        for (int pg = 1; pg <= pageCount; pg++)
        {
            // we can inspect the Syntax of the imported page
            byte[] streamBytes = reader.GetPageContent(pg);
            PRTokeniser tokenizer = new PRTokeniser(streamBytes);
            while (tokenizer.NextToken())
            {
                if (tokenizer.TokenType == PRTokeniser.TokType.STRING)
                {
                    output.WriteLine(tokenizer.StringValue);
                }
            }
        }
        output.Flush();
        output.Close();
    }
  
    /**
     * Main method.
     */
    static void Main(string[] args)
    {
        if (args.Length < 1 || args.Length > 2)
        {
            Console.WriteLine("USAGE: ParsePDF infile.pdf <outfile.txt>");
            return;
        }
        else if (args.Length == 1)
        {
            PDF = args[0];
            TEXT2 = Path.GetFileNameWithoutExtension(PDF) + ".txt";
        }
        else
        {
            PDF = args[0];
            TEXT2 = args[1];
        }
 
        try
        {
            DateTime t1 = DateTime.Now;
 
            ParsingPDF example = new ParsingPDF();
            example.parsePdf(PDF,TEXT2);
 
            DateTime t2 = DateTime.Now;
            TimeSpan ts = t2 - t1;
            Console.WriteLine("Parsing completed in {0:0.00} seconds.",ts.TotalSeconds);
        }
        catch (Exception ex)
        {
            Console.WriteLine("ERROR: " + ex.Message);
        }
    } // class
 
    public class MyTextRenderListener : IRenderListener
    {
        /** The print writer to which the information will be written. */
        protected StreamWriter output;
 
        /**
         * Creates a RenderListener that will look for text.
         */
        public MyTextRenderListener(StreamWriter output)
        {
            this.output = output;
        }
 
        public void BeginTextBlock()
        {
            output.Write("<");
        }
 
        public void EndTextBlock()
        {
            output.WriteLine(">");
        }
 
        public void RenderImage(ImageRenderInfo renderInfo)
        {
        }
 
        public void RenderText(TextRenderInfo renderInfo)
        {
            output.Write("<");
            output.Write(renderInfo.GetText());
            output.Write(">");
        }
    } // class
} // namespace  

以上是编程之家(jb51.cc)为你收集整理的全部代码内容,希望文章能够帮你解决所遇到的程序开发问题。

如果觉得编程之家网站内容还不错,欢迎将编程之家网站推荐给程序员好友。

相关文章

目录简介使用JS互操作使用ClipLazor库创建项目使用方法简单测...
目录简介快速入门安装 NuGet 包实体类User数据库类DbFactory...
本文实现一个简单的配置类,原理比较简单,适用于一些小型项...
C#中Description特性主要用于枚举和属性,方法比较简单,记录...
[TOC] # 原理简介 本文参考[C#/WPF/WinForm/程序实现软件开机...
目录简介获取 HTML 文档解析 HTML 文档测试补充:使用 CSS 选...